臺中榮總資訊室主任賴來勳表示,資訊整合是中榮發展智慧醫療的根基。為此,他們也在2018年整併相關單位,包括資訊室、臨床部門和EC部門同仁,來尋求一致的資料定義。

如果醫療AI、遠距醫療是智慧醫院的花果,那資訊整合和IT建設,就是孕育出花果的養分。但是臺灣醫院的HIS系統向來動輒數十,甚是是數百套系統的大集合,加上多年累積的各式資訊系統,要做好IT基礎建設和資訊整合這個基本功,並不是一件簡單的任務。

這幾年間,也有不少家醫院展開數位轉型,順利推動HIS系統大改造。他們不約而同的,都找到了資料整合的關鍵,他們的答案就是「標準化」。從幾家轉型先行者醫院的資訊整合成功經驗,來看如何把標準化原則發揮到極致,打下智慧醫療發展基礎。

長庚用評鑑標準化作業流程,三總重整資料和組織

比如,長庚體系醫院就靠標準化的整合型平臺,來提供創新服務。長庚醫學科技資訊事業部行政資訊處副理游智傑點出,長庚體系醫院在IT發展智慧醫療的策略上,採擁抱國際醫療評鑑規範,像是美國最嚴謹的JCI評鑑制度、美國醫療資訊與管理系統學會HIMSS評鑑,將這些上千條的規範內化到資訊系統中,來開發平臺、提供服務。

像是,長庚醫院在2015年展開第二次HIS再造,將98套HIS系統砍掉重練、改以.NET架構重寫外,還採用模組化設計,讓同樣的程式元件可重複使用。這種建立標準化、重複應用的概念,也體現在他們堅持的「就源設計」原則。這是種讓使用者直接在資料源頭,以客製化設計輸入資料的方法。

當時,長庚資管部挑選大量重複的共通資料輸入需求,開發一套彈性的資料輸入工具,讓使用者按需求,自行設計輸入方式。比如各單位來搜集種意見或資料的問卷多達100種,過去都得麻煩IT一一開發,現在改為統一開發一款問卷設計工具程式,提供給需要設計問卷的單位,不必每份問卷都重新開發一支程式。他們也將這個原則用於病歷結構化,設計一款病歷表單編輯工具,可讓醫生自行設計所需的病歷表單。此外,醫師拖拉不同的輸入格式,就能建立要輸入的欄位,比如可用選項或文字欄位,甚至是插入影像。這麼做,讓醫師輸入病歷,就能直接成為可分析的標準結構化資料。想辦法讓使用者在資料源頭輸入資料,這是就源設計原則其中一個例子。

不只長庚醫院,資訊標準化整合也是三軍總醫院發展智慧醫療的準則。三總醫學資訊室主任李家政指出,近年來多家醫院翻新HIS,主要目的是因應智慧醫療發展,三總也不例外。

因此,在策略上,他們要整合國軍體系醫院HIS,連資料收集形式也要統一,打好基礎才能發展後續的AI研究和數據決策分析。他們的具體做法是,以數據標準化來實現HIS整合,先將體系醫院HIS資料整合到一個資料庫,來比對三總系統的資料結構,再建立更合適的資料結構和定義,重整兩套系統的資料,方便日後研究與開發醫療AI。另一個標準化整合的方法是資料結構化,比如改用拖拉式病歷表單,來產出可分析的結構化資料。甚至,三總還要採用相同的資料交換標準,如國際通用的HL7 FHIR,來簡化資料交換作業。

不只是系統上的整併,三總也從組織架構下手。過去,三總IT單位只負責提供資料給醫護和病人使用,但現在,他們將IT部門改名為醫學資訊室,將病歷室整併至資訊室下,要將資訊化病歷資料整合其他醫療資料,來發展智慧醫療應用。此外,三總也在基礎建設上下工夫,比如跨國軍醫院體系導入WiFi-6和5G專網,來支援HIS發展智慧醫療。

臺大醫院瞄準資料標準化,中榮從組織下手來整合

臺大醫院也看重資料標準化。作為智慧醫療服務推手,臺大醫院智慧醫療中心副主任郭律成表示,資料標準化整合是重要關鍵,但不只聚焦HIS,也要將更廣義的資訊化系統納入考量,如影像系統、基因系統等。這些系統資料,可分為2種應用,一是臨床服務,另一是研究專用。用於臨床服務的資料,又分2種對象,也就是給醫護人員讀的,以及給機器讀的。由於智慧醫療應用大量仰賴機器,特別是AI,因此需要機器可讀的結構化資料,也需要標準格式,才方便導入醫療AI與介接。

也因此,臺大醫院要採用通用數據模型(Common data model,簡稱CDM)、國際疾病分類代碼ICD和結構化病歷等標準化規格,來打好資料治理基礎。另一方面,有鑑於健保大數據釋憲案結果,致力發展智慧醫療的臺大醫院也正思考,如何建立大數據退出機制,給患者足夠的資料自主權。

同樣地,資訊整合也是臺中榮總發展智慧醫療的根本。他們先從組織整併下手,臺中榮總資訊室主任賴來勳指出,以往,中榮有3個部門會產出醫療資料,包括資訊室、臨床部門以及EC部門,但這三個單位產出資料的規則,並不完全一致。因此,2018年,時任臺中榮總院長許惠恒要求改善,便將這三個部門的同仁整併起來,每周定期開會,來尋求一致的資料定義。

另一方面,為打造智慧醫療應用,中榮資訊室也與其他單位分工,由資訊室負責用ETL工具將原始資料轉至資料倉儲,再由臨資中心和AI工作室,來進行去識別化、產生不同主題的資料庫。如此一來,即便中榮是資料擁有者,也不會知道加密後的資料屬於誰。

建立好資料倉儲後,中榮就可用於2種情境,一是打造儀表板,如門診、急診專用儀表板,另一種是用來產生更多主題的資料庫,來進行AI研究。但他們也發現,要建立研究資料庫時,IT根據臨床需求撈取的資料,其定義常與臨床真正的需求不同,得重複撈取幾次才能達到一致。又或是,有時臨床所需的資料,HIS並未保存,因此IT得回頭更改程式、加入新功能來收集資料。這也引出了資料處理人才議題,賴來勳點出,對醫學中心而言,未來會面對既要懂IT、也要懂臨床知識的人才需求挑戰。

北榮鎖定通用數據模型,智慧醫療得思考資料爆量儲存挑戰

對臺北榮總來說,資料規格的一致性也是必備基本功。2019年,臺北榮總成立大數據中心,臺北榮總家醫部社區醫學科主任暨大數據中心主任陳育群表示,北榮為邁向智慧醫院,特別成立了智慧醫療委員會來統籌,旗下包括AI中心、精準醫療中心和大數據中心。

身為大數據中心的負責人,陳育群帶領6人團隊,成員來自醫研部和資訊部,主要工作除了爬梳資料外,還有3大目標,其一就是「發展CDM。」這是因為,只有整合資料的規格,才能進行後續的醫療AI研究與應用開發。此外,他們也將數據治理納入工作目標,要建立透明、安全的數據治理架構,來讓後續的研究更順暢展開。陳育群也點出,他們還要引進低程式碼工具,來加速資料的共享與運用,放大資料價值。

不過,北榮資訊室高級工程師朱原嘉點出,北榮發展大數據的策略是建置數據中臺,將所有資料匯至中臺,再進行後續應用。但在資料彙整過程中,他們意識到另一個儲存空間的問題,比如,近年興起的數位病理,是以高解析度畫質的玻片影像,讓醫師直接判讀,或是靠AI揪出病灶。但一張數位玻片的容量可可能高達4GB,「10年的影像儲傳系統(PACS)資料量可能才2、300TB,但數位病理資料1年累積就需要400TB。」朱原嘉表示,不只數位病理,全基因定序的資料量更是挑戰,「1人全基因定序資料量約3GB,再加上中研院人體生物資料庫Biobank計畫,得需要更多儲存空間,」他說。高解析數位醫療資料的爆量儲存需求,也將成為發展智慧醫療醫院需思考的議題。

 相關報導  

熱門新聞

Advertisement