衛福部昨（1/14）揭露FHIR一條龍轉換工具的最新進展，這套工具主打兩大核心能力：先潤飾病歷、把病歷內容寫清楚，再幫病歷「對好國際編碼」。經三家醫學中心、超過1.2萬份病歷的驗證下，整體編碼推薦準確率已達91.3%。

這項工具是衛福部次世代數位醫療平臺計畫的重要成果之一，下一步，團隊計畫導入AI代理（AI Agent），來讓錯誤回饋與修正流程更自動化。

為什麼要做FHIR一條龍工具？

時間拉回2024年8月，衛福部資訊處處長李建璋提出「次世代數位醫療平臺計畫」的新方向，希望臺灣醫療資訊系統（HIS）能逐步接軌國際標準，達成三個目標：

第一，資料格式要統一。也就是導入國際醫療資料標準FHIR，讓電子病歷內容不再各寫各的。
第二，規則要統一。透過臨床品質語言CQL（Clinical Quality Language）建立規則圖書館（Rule Library），把健保申報與醫療品質規則寫成可重複使用的邏輯，提高醫療品質和行政效率。
第三，應用程式要統一，導入國際SMART on FHIR應用程式標準，作為HIS與行動醫療應用程式的共同標準，未來才能發展智慧醫療應用市集，促進智慧醫療生態發展。

為了落實這三個方向，衛福部也採取「分級推動」策略。針對基層衛生所，資訊處將與工研院和協力廠商，開發公版電子病歷系統；針對區域與地區醫院，則要建置臺灣HIS共用數位底盤PAUL，來協助升級電子病歷系統，同時保留客製彈性。

至於醫學中心，重點並非全面汰換HIS，而是建置FHIR資料中臺，讓既有病歷能被轉譯、交換。

要做到這一點，第一步就是把現有病歷，轉成符合國際標準的編碼，包括用於檢查檢驗的LOINC、用於臨床描述的SNOMED CT，以及用於藥品描述的RxNorm等三大編碼。轉換好的資料，才會以FHIR格式檔案，上傳到FHIR資料伺服器，在國家電子病歷資料中臺交換。

於是，衛福部委由工研院開發一套FHIR一條龍轉換工具，來解決醫學中心最頭痛的編碼轉換問題。

FHIR一條龍工具瞄準潤飾和編碼推薦2大功能

開發該工具的核心成員、工研院資通所技術副組長游家鑫解釋，衛福部推動醫院導入3大國際編碼，是因為現行的ICD-10國際疾病分類代碼的語義顆粒度太粗，不利於後續資料分析及延伸應用。導入這些國際編碼後，則有助於機器閱讀和各項AI應用。

因此，團隊自2024年底，開始設計這套以大型語言模型（LLM）為核心的轉換工具，並聚焦兩大階段功能。首先是潤飾和優化病歷，比如針對病歷常見的縮寫（如HNT, DM, c/o chest pain），擴寫成完整、可被機器理解的句子，例如The patient, with a history of hypertension and diabetes mellitus, complains of chest pain.

接著，系統會根據潤飾後的病歷內容，自動推薦對應的SNOMED CT、LOINC與RxNorm編碼。（如下圖）

為驗證FHIR一條龍工具的實際可用性，衛福部資訊處和工研院聯手3家醫學中心（臺北馬偕、林口長庚、中山附醫）進行測試。他們共使用12,756份病歷，並由43名疾病分類師逐筆驗證工具推薦的編碼是否正確。結果顯示，整體準確率已達 91.3%。

圖說：左側為病歷內容，右側為系統推薦的編碼結果，疾分師可逐筆勾選是否正確。

下一步將導入AI代理，來讓除錯回饋更自動化

目前的除錯流程，仍以人工回饋為主。游家鑫說明，當系統給出推薦編碼後，會由疾病分類師判斷是否正確，並標註錯誤類型，例如「SNOMED CT編碼階層不夠細」或「出現不存在的編碼」，再由工研院調整提示（Prompt），經醫師確認後更新套用。

接下來，團隊希望導入AI代理，讓系統學習這些「錯誤歸類邏輯」。如此，AI就能先提出修正建議，再由醫師快速挑選、確認即可，大幅降低人工調整的負擔。