改自 ptt 的發文
以個人經驗來說，醫療人會點程式有沒有用？個人經驗是有的，我自己弄的東西：
關鍵字搜尋引擎
有引擎前，蒐集 case 主要靠自己作筆記。有引擎後 keyword 和查詢條件丟下去 case就噴出來。可能辛苦作筆記收了不曉得多久才能收一兩百個，引擎只要用正確的搜尋條件一分鐘就生出一千個。
查資料自動化
最近做回溯研究收案超過兩千個。這幾天弄出 RPA 機器人可以自動填病歷號查資料，申請通過正式上線。一樣的事情，別人可能要弄經費、請助理、花不知道多久搞定。我自己做可能電腦多開幾個晚上還不用想辦法找錢。
各種自動化和改善工作流程
學會 Autohotkey，可以打 fu 自動變成 Advise follow-up，一鍵自動從其他表單帶入資料、一鍵文字自動排版...
隨著技能樹越來越深廣，能做的事情還能越來越炫炮，例如
幫普通表單程式加上改字型、拼字檢查、自動完成、顏色佈景...等功能。潛在應用的地方很多，例如 HIS 或 RIS 各式表單程式。
以前會想：這種事委託專門單位、學校、或是外包廠商不就能做？自己會的價值在哪裡？
後來發現專門單位可以非常忙，手上待處理的案件可以到四位數。需求如果對全院不夠重要、急迫不一定能可以做，可以做也可能要排隊，排隊成功程式開始做也可能要反覆修改處理眉角問題，每次修改可能又是另一個循環。學校或外包廠商做，要想辦法弄資源，弄計畫、請經費、etc，一個程式綁一堆東西，原始碼還可能在別人手上、以後只能一直投入。自己弄就沒有上述一堆問題、程式想改就開記事本改就好。
「又快又好」是可能形成價值的。以大規模撈 case 查資料做回溯性研究為例，別人流程是：
1. 寫申請單委託資訊單位
2. 花時間排隊（可以等很久）
3. 得到結果，發現眉角問題、協商修正 * N（用 nodule 查結果 Nodule、nodlue 沒撈到 etc.）
4. 請助理一筆筆查資料整理
5. 生成那張跑統計的 Excel 表格。
而如果都能自己做呢？可能 IRB 通過的當天，下班前搜尋引擎就把 case 列出來了。然後多花幾個晚上用機器人把資料查好。最後用 python 字串、報表分析，很快就能統計好大部分資料，這時候可能別人還在排隊。大幅改善效率，就能大幅降低投入成本和時間，就能顯著提高研究成功率。這時哪怕作為醫療人員和研究者的本職技能都不頂尖，別人也會願意合作。
就算一時做不了這些事，起碼也能讓自己上班更輕鬆。別人花時間按 Enter 和空白幫報告排版還是從其他系統抄數字，你一鍵就無腦完成，更快下班不好嗎？如果喜歡寫，替自己節省精力，創造機會的同時還能做喜歡的事，緩解 burnout 不香嗎？
所以如果本來就有寫程式的興趣，可以繼續鑽研深入，然後設法找自己周圍有必要但別人顧不到的事，遵循法規、看好政治和環境允許的限度，抓準機會切進去，programming skill 不會虧待我們。
至於學哪些語言，我是學 Python 和 Autohotkey 為主。AHK 主攻辦公室自動化，Python 補一些 AHK 不好做的事情，例如運用瀏覽器自動化測試套件自動點頁面之類。Python 也可以銜接 Machine Learning 和 Deep learning。另外零碎玩過一些 Rust、C/C++、PHP 之類的東西，但這些對醫療職業可能就不那麼直接有用。
值得一提的是數學，有後悔沒趁年輕的時候學好數學，最近鑽研 Deep learning 和統計都遇到數學的檻，回頭補同濟的高等數學。結果現在奔四體質變差很多，用腦一多就 tinnitus 甚至 vertigo，而且有些基礎的東西忘了還要「復健」。所以如果還在學校，學習數學其實是好選擇。程式語法那些在有明確目的的情形下快速入門不難，但數學就不行。線性代數和微積分剛好也是現在 deep learning 會用到的東西。
0 意見:
張貼留言