動手炮製健康輕盈美食 共度聖誕溫馨時光

香港2021年12月22日 /美通社/ — 臨近聖誕節，配合聖誕節節日溫馨和氣氛，嘉頓特別向大家介紹兩款聖誕食譜，以0膽固醇及採用減鈉配方的嘉頓切皮三文治方包系列作為基礎食材，從而創造出美味又富營養的家庭料理。媽媽爸爸動手和孩子一起炮製營養美食，正適合聖誕節的家庭聚會及溫馨的親子時光。

兩份精選食譜作為聖誕節派對小食，將聖誕節的氣氛發揮淋漓盡致，將最平常的食材以簡單及有趣的方式作烹飪。第一份食譜的「無花無邊愛心撻」，嘉頓麵包加上了乳酪和無花果酸酸甜甜的味道，兩種口味讓此達到完美平衡，而造型也相當可愛，與聖誕樹上的裝飾相似，非常適合慶祝聖誕節的來臨。

第二份食譜也十分有新意，迷你漢堡包的造型讓人覺得非常可愛，一家齊聚，歡欣暢聚，味道更是令人驚喜，有營嘉頓麵包配上其他豐富滋味配料，令人吃完一個都覺得不夠。在此聖誕歡樂時刻，為家人和朋友送上自製美食，共度溫馨時光。

精選食譜 1

無花無邊愛心撻（牛油果醬無花果麵包撻）

材料：2塊嘉頓特厚切皮三文治方麥包、無花果1個、牛油果1個、2湯羹的原味希臘乳酪及4個兩吋半撻模

製作過程：

1. 首先將方包壓入撻摸以好定型，為之後的步驟打底。
2. 然後將剩餘的方包壓平，放進鑊中蓋上蓋以中大火烘焗約一分半鐘，然後打開將方包反面再用同樣方式烘焗同樣時間，最後熄火置靜拿來備用。
3. 牛油果切半，將果肉取出切成小粒份。
4. 然後倒入碗中壓溶與事先準備的乳酪一起攪拌均勻放置備用。
5. 將無花果切半圓片及其角邊切成顆粒大小。
6. 將1湯羹的牛油果與乳酪製成的醬均攤在麵包撻上。
7. 烘焗完的麵包切成三角形與無花果及無花果顆粒作為裝飾依次放上麵包撻上。

精選食譜 2

迷你漢堡包

材料：2包嘉頓切皮三文治方包、12件漢堡肉、4-5粒車厘茄、3塊芝士片、1包沙律菜、適量的沙律醬備用、1顆雞蛋、少量芝麻和12支裝飾牙籤

製作過程：

1. 首將用圓型模具將方包切成12件小圓形麵包，雞蛋蛋黃取出打均呈醬狀。
2. 然後圓形麵包掃上蛋黃醬再加上小量芝麻，放進煎鍋中雙面煎至金黃色備用。
3. 將準備好的備料以底層開始依次往上叠：圓形麵包、沙律菜、漢堡肉、沙律醬、圓形麵包、小片芝士、車厘茄、沙律醬，然後將圓形麵包放至最上。
4. 最後插上裝飾牙籤作為固定即可。

人工智能和機器學習有助於實現更好的健康結果和更高的可負擔性

新加坡2021年12月22日 /美通社/ — 新冠疫情期間，由於相關的封鎖、限制措施以及對非必要治療的推遲，醫療支出急劇下降。但是，隨著新冠疫苗和檢測的普及，醫療行業開始反彈，這一趨勢預計將是短暫的。

Agility Risk Solutions行政總裁Neels Barendrecht解釋道：「醫療支出的增長速度較全球國內生產總值更快，幾乎每年都是如此，無一例外。數據顯示，在過去20年裏，醫療支出的年均增長率一直在2%以上^[1]。關鍵成本驅動因素仍然保持不變：人口老齡化、醫療需求增加、臨床和技術進步以及公共醫療系統的拓展。」Agility Risk Solutions榮獲了2021 Singapore Technology Excellence Awards頒發的人工智能 – 醫療(Artificial Intelligence – Healthcare)類別獎。

降低臨床風險，擴大醫療資源 

為了確保醫療行業能夠實現可負擔性和可持續發展，許多機構已轉向採用人工智能(AI)解決方案。人工智能的一項應用是及早檢測，可以預測一個人的健康風險和患上嚴重疾病的幾率，如心臟病或中風。有了這些非常有用的信息，可以實施風險管理策略，以支持患者的健康狀況，並幫助他們避免在不久的將來患上災難性疾病。

Agility Risk Solutions的技術分析患者特定數據以即時標記風險個人便是其中一個示例。Agility Risk Solutions醫學總監Jacques Snyman博士表示：「我們能夠實施以特定風險管理為重心的高度針對性策略。例如，我們以患者為中心的计劃可幫助患者積極主動地管理自己的健康狀況，並直接導致再住院率大幅降低。對於一家總部位於新加坡的健康險公司來說，一項獨立研究表明，據保守估計，這些類型的干預措施可以節省20%的賠付成本。」 

為了闡釋技術是如何驅動實現更好的臨床結果的，與使用傳統系統和计劃的保險公司相比，Agility的干預措施使再住院率降低了高達50%。

Snyman博士解釋道：「由於軟件的集成，Agility的患者由一位個人醫療協調員(PHC)提供支持，協調員在患者醫療之旅的每一階段盡心提供指導，而不需要為不同的干預措施聘請不同的代理。從患者的角度來看，這基本上意味著為其提供專家級支持，避免不久的將來患上災難性疾病，這本身對個人的生活品質和家庭來說都是個好消息。同時，它還透過降低臨床風險削減了總體健康成本。」

確保高效使用資金 

在全球範圍內，醫療系統不斷努力解決支出浪費相關問題。人工檢測通常是勞動密集型過程，營運成本大大增加，存在多種多樣的問題，如欺詐、索賠處理不當、福利提供不一致等。相比之下，超智能技術系統能夠100%準確地即時識別和標記這些問題。

例如，Agility的最新一代端到端風險管理軟件平台，採用嵌入式智能，應用超過67000條規則、算法和協議，以及人工智能機器學習進程，只需短短幾毫秒即可即時判定每項醫療索賠。

Barendrecht解釋說：「該系統首先透過精細的臨床方案積極檢查患者的治療和病症的禁忌症以及潛在的健康風險，以防止潛在的有害治療組合。同時，業務規則也用於避免浪費性支出，並確保立即支付有效索賠，以獲得最佳患者和客戶滿意度。」 

直接結果是，該系統透過確保高效將資金用於臨床有效索賠，減少管理負擔、營運費用和醫療成本。事實上，Agility的案例研究表明，營運費用可以減少多達50%。減少對預先授權和索賠判定的人工干預，可進一步避免由於應用一致性而造成人為錯誤的可能性。

該系統高度創新，利用大數據，並透過機器學習不斷改進，機器學習可以持續檢測新模式和趨勢，以改善臨床風險管理，可以在支付索賠前積極主動地檢測欺詐或浪費性索賠（行項級別）。 

Barendrecht總結說道：「隨著人工智能和機器學習繼續塑造醫療行業的未來，並應對世界各地許多醫療系統所面臨的挑戰，醫療領域還有很大的創新空間。最近榮獲的Singapore Technology Excellence Award再次證明了這一點，使數碼化轉型策略成為了使全球更多人能負擔得起以患者為中心的高質量醫療服務的核心。」

人工智能和機器學習有助於實現更好的健康結果和更高的可負擔性

新加坡2021年12月22日 /美通社/ — 新冠疫情期間，由於相關的封鎖、限制措施以及對非必要治療的推遲，醫療支出急劇下降。但是，隨著新冠疫苗和檢測的普及，醫療行業開始反彈，這一趨勢預計將是短暫的。

Agility Risk Solutions行政總裁Neels Barendrecht解釋道：「醫療支出的增長速度較全球國內生產總值更快，幾乎每年都是如此，無一例外。數據顯示，在過去20年裏，醫療支出的年均增長率一直在2%以上^[1]。關鍵成本驅動因素仍然保持不變：人口老齡化、醫療需求增加、臨床和技術進步以及公共醫療系統的拓展。」Agility Risk Solutions榮獲了2021 Singapore Technology Excellence Awards頒發的人工智能 – 醫療(Artificial Intelligence – Healthcare)類別獎。

降低臨床風險，擴大醫療資源 

為了確保醫療行業能夠實現可負擔性和可持續發展，許多機構已轉向採用人工智能(AI)解決方案。人工智能的一項應用是及早檢測，可以預測一個人的健康風險和患上嚴重疾病的幾率，如心臟病或中風。有了這些非常有用的信息，可以實施風險管理策略，以支持患者的健康狀況，並幫助他們避免在不久的將來患上災難性疾病。

Agility Risk Solutions的技術分析患者特定數據以即時標記風險個人便是其中一個示例。Agility Risk Solutions醫學總監Jacques Snyman博士表示：「我們能夠實施以特定風險管理為重心的高度針對性策略。例如，我們以患者為中心的计劃可幫助患者積極主動地管理自己的健康狀況，並直接導致再住院率大幅降低。對於一家總部位於新加坡的健康險公司來說，一項獨立研究表明，據保守估計，這些類型的干預措施可以節省20%的賠付成本。」 

為了闡釋技術是如何驅動實現更好的臨床結果的，與使用傳統系統和计劃的保險公司相比，Agility的干預措施使再住院率降低了高達50%。

Snyman博士解釋道：「由於軟件的集成，Agility的患者由一位個人醫療協調員(PHC)提供支持，協調員在患者醫療之旅的每一階段盡心提供指導，而不需要為不同的干預措施聘請不同的代理。從患者的角度來看，這基本上意味著為其提供專家級支持，避免不久的將來患上災難性疾病，這本身對個人的生活品質和家庭來說都是個好消息。同時，它還透過降低臨床風險削減了總體健康成本。」

確保高效使用資金 

在全球範圍內，醫療系統不斷努力解決支出浪費相關問題。人工檢測通常是勞動密集型過程，營運成本大大增加，存在多種多樣的問題，如欺詐、索賠處理不當、福利提供不一致等。相比之下，超智能技術系統能夠100%準確地即時識別和標記這些問題。

例如，Agility的最新一代端到端風險管理軟件平台，採用嵌入式智能，應用超過67000條規則、算法和協議，以及人工智能機器學習進程，只需短短幾毫秒即可即時判定每項醫療索賠。

Barendrecht解釋說：「該系統首先透過精細的臨床方案積極檢查患者的治療和病症的禁忌症以及潛在的健康風險，以防止潛在的有害治療組合。同時，業務規則也用於避免浪費性支出，並確保立即支付有效索賠，以獲得最佳患者和客戶滿意度。」 

直接結果是，該系統透過確保高效將資金用於臨床有效索賠，減少管理負擔、營運費用和醫療成本。事實上，Agility的案例研究表明，營運費用可以減少多達50%。減少對預先授權和索賠判定的人工干預，可進一步避免由於應用一致性而造成人為錯誤的可能性。

該系統高度創新，利用大數據，並透過機器學習不斷改進，機器學習可以持續檢測新模式和趨勢，以改善臨床風險管理，可以在支付索賠前積極主動地檢測欺詐或浪費性索賠（行項級別）。 

Barendrecht總結說道：「隨著人工智能和機器學習繼續塑造醫療行業的未來，並應對世界各地許多醫療系統所面臨的挑戰，醫療領域還有很大的創新空間。最近榮獲的Singapore Technology Excellence Award再次證明了這一點，使數碼化轉型策略成為了使全球更多人能負擔得起以患者為中心的高質量醫療服務的核心。」