【以程式做球、AI殺球為策略，結合HIS實現大規模自動化】臺大醫院AI轉型的核心戰略

「對臺大醫院來說，大型語言模型，不是回答問題的諮詢者，而是生產線的作業員。」臺大醫院資訊室經理溫家昶在生成式AI成果發表會上，一開頭就這樣強調。

這個對大型語言模型（LLM）本質截然不同於主流的定位，形塑了臺大醫院獨特的生成式AI運用戰略，將LLM結合HIS（醫療資訊系統），銜接資訊斷點，來實現大規模自動化。

用一個例子來說明，臺大醫院每年收治3到4千人次的心臟衰竭住院病患，除了醫生轉介，過去主要靠3名個案管理師，從散落在十多套系統中的各種病歷資料、檢驗數據，來辨識出有心衰高風險的病人，不只相當耗時，也因人力有限，可能出現遺漏。

臺大醫院現在改用GenAI整合分散各處的資料，每天自動執行心衰篩檢比對，產生3款報表，個管師現在每天只需要查看這幾張表，就能更快更完整地篩選出病患，解決了人手不足可能遺漏的問題。

不只如此，這群心臟衰竭高風險病患中，每年還有近2千人可能併發心房顫動，可有能發生中風、大出血，甚至是死亡等情況。照護團隊得盡快完成這3類症狀的風險評估。但是，光靠醫生手動查找分散在十多套系統上的數據來計算風險分數，光是中風風險分數的計算，一次就要花5～10分鐘，若要評估這3類風險的指標，至少得用掉15分鐘。

臺大醫院平均一天超過100位心臟衰竭高風險病患，光靠人工評估，加起來需要25個工時，等於3位個管師，一整天8小時都得花在這件事。

後來，臺大醫院靠LLM來判讀不同來源、多種報表形式中的數據，自動計算出心臟衰竭病患的三項風險分數，再搭配人工查驗，不用花上1分鐘就可以完成一位病患的評估，每年2千位病患，加起來不用6天，就可以完成。這就是臺大醫院善用LLM結合HIS，解決資訊斷點來實現大規模自動化，最典型的例子。

溫家昶解釋，臺大醫院看重LLM的處理能力，而非內建知識。利用LLM來解析文字、圖片等非結構資料，再透過特徵擷取，轉化成結構化的實用資料。就可以進一步結合HIS系統，來銜接原本只能靠人工處理的資訊斷點，達到大量自動化處理的目標。

臺大醫院早在2023年1月時，透過病歷摘要整理測試，察覺到LLM工具有能力處理醫療領域非結構化資料的價值。醫院有許多電子資料因為結構化不足或格式不一，難以大規模自動化分析，LLM工具可以仿效人類解讀資料，又能大規模自動解析，可以不靠人工額外標注，就能找出有價值的內容。臺大醫院將LLM視為非結構資料的處理引擎，看重LLM的邏輯推論、摘要、結構化及翻譯能力，而不是模型內建的知識庫。

臺大醫院資訊室經理溫家昶表示：「對臺大醫院來說，大型語言模型，不是回答問題的諮詢者，而是生產線的作業員。」攝影／洪政偉

程式做球，AI殺球是核心應用策略

臺大醫院用一句話形容自己的GenAI應用核心策略是「程式做球，AI殺球」，利用程式的邏輯控制，將必要的HIS系統資料，彙整成AI需要的形式，再由AI採取行動，生成想要的目標內容。就像是在排球比賽中，IT撰寫的程式扮演助攻員，將排球（資料）托到最適合殺球的位置（最適合形式），讓GenAI可以扣球，將球打進得分區(有效應用）。

兩年來，臺大醫院找了不同科別的第一線醫護人員參與LLM工具的嘗試和驗證。臺大醫院沒有預設GenAI的使用場景，而是從過去單靠程式開發做不到的難題，或是因為技術問題無發展開的情境來切入。

目前，臺大醫院執行中的GenAI專案超過3百個，有1百個專案已經落地上線，應用場景遍及全院所有醫療行政相關的流程作業，從PC、推車筆電到手機等。不論是哪項專案，臺大醫院打造每一隻AI應用時，都講究三大要求，必須以原始資料為根據，可以追溯AI輸出，以及要提供完整的背景上下文資訊。

採用高標準IRB審查，奠定日後AI治理基礎

不只有獨到的LLM策略思維，臺大醫院一開始導入GenAI的做法，也和許多企業追求速效的做法，截然不同。

因為2年前的LLM仍以雲端提供為主，臺大醫院為了兼顧病歷隱私保護，一開始就比照醫院人體研究高標準審查作業方式，來評估GenAI應用的導入。換句話說，由臺大資訊室提出IRB臨床試驗申請方式，將GenAI技術的採用，視為一項人體相關的研究計畫，參與的醫生則是受試者，來進行研究倫理、法規的詳細審查。經過半年審查，三次決審討論，才在2023年12月獲得臨床試驗許可同意執行。

臺大醫院資訊室主任陳權忠指出，這個做法看似麻煩，額外多花了半年的評估時間，但卻讓臺大醫院的GenAI導入，從一開始就達到合規性的要求。透過嚴格的IRB法遵審查，來確保執行流程符合醫療法和個資法的規範。「這為日後的大規模發展，打下很好的基礎。」他強調。

通過審查後的GenAI應用，不只達到合規，相關做法上，如去識別化、權限控管、AI輸出與回應的稽核與留存，都成了臺大醫院AI治理的重要基礎。可以說，臺大醫院一開始雖然只從少數應用案例、特定情境切入，但他們也同時思考到日後規模化發展的管理需求，展開系統面和法規面的規畫。

臺大醫院資訊室主任陳權忠指出，GenAI對臺大醫院帶來了兩大轉變，一項是資訊系統開發方式的改變，另一個則是使用者行為的改變。攝影／洪政偉

不只是審慎的導入，臺大醫院短短兩年能發展出數百項GenAI專案的規模，還有一個關鍵，就是資訊部門對於HIS系統的長年投入和高度掌控。

今年是臺大醫院HIS系統導入滿20年，他們以自主開發為主，就算部分系統委外，也會確保委外系統產生的資料，符合統一的儲存方式，可供院內其他系統串接取用。這樣在技術面的資料互通性，讓LLM工具更容易活化各種資料的運用。

除此之外，臺大醫院已經有上千種電子化的病歷，長年維護病歷系統時，背後的基本設計原則是，以歸戶為依歸的考量，思考如何在單一登入介面，讓使用者可以像翻閱一本紙本病歷般地，快速翻閱特定一位病人的所有電子病歷，尤其在資料架構設計和資料調閱設計，都對標這個原則來優化。例如在2010年就設計了電子病歷整合查詢介面，讓醫生用病歷目錄菜單的形式，來查詢各種病歷紀錄。這樣的歸戶設計思維，讓LLM專案開發時，更容易查找到所需的資料來整合。

GenAI帶來兩大轉變

陳權忠歸納兩年來的成果，GenAI對臺大醫院帶來了兩大轉變，一項是資訊系統開發方式的改變，另一個則是使用者行為的改變。

對資訊系統開發來說，過去主要依賴資料庫程式開發，大多是結構性表單的應用。隨著HIS越來越龐大，功能越來越複雜，新功能開發效率逐漸飽和，尤其為了規模化的擴張需求，要考量的細節越來越多，也影響了開發效率。有能力處理非結構資料的LLM工具，讓沒有即時強烈資料結構化的需求，多了一種彈性的開發選擇，甚至不用為了報表而硬刻，新增資料欄位來設計輸入介面。

另一個改變是使用者行為改變，從病人治療、研究資料處理、教學討論的行為，都因為GenAI而開始不一樣。例如，靠AI自動檢視病歷，快速計算相關風險分數，醫生可以更早規畫適當的照護策略。AI快速依據各專科格式整理重點，也讓住院醫生更專注了解病歷內容。LLM能對大量研究資料逐筆整理重點，進行分類、分群，加速了醫生找出適合的研究對象。

先找出GenAI解決流程痛點的有效做法，再歸納出架構化使用流程，來因應未來的新需求。先展現效益讓開發者跟使用者感受到好處，願意主動參與，甚至改變工作日常行為，最終目標是，帶動整座醫院運作氛圍的改變，這就是臺大醫院的GenAI轉型藍圖。