MedTech醫療科技雙周報第48期：美國醫療互通靠TEFCA打底、FHIR交換架構加速創新

重點新聞（0301～0315 ）

 醫療   FHIR   TECFA 

美國醫療互通靠TEFCA打底、FHIR交換架構加速創新

負責制定美國醫療IT基礎建設的兩大機構美國醫療保險暨醫療補助服務中心（CMS）與美國衛生資訊科技國家協調辦公室（ASTP/ONC），日前在數位醫療大會HIMSS26中表示，醫療資料互通不再依賴單一標準，而是雙軌並進。其中，由ASTP/ONC主導的TEFCA架構，是用來建立全國性資料交換的信任機制與治理框架基礎，而CMS主導的醫療科技資料交換架構（Health Tech Ecosystem）則以FHIR標準和API為核心，來加速創新應用並落地。

在技術上，這個交換架構以FHIR API為核心，目標是讓病患以單一身分存取所有醫療資料，不必再一一登入不同醫療機構的系統。同時，該架構也強化多項關鍵基礎能力，包括建立全國性醫療提供者目錄（Provider directory），解決資料交換中的連線與識別問題；以及打通理賠資料與臨床資料的交換壁壘，改善醫療和保險資料長期分散於不同系統的痛點。

此外，病患資料主權也是該架構的核心設計之一。未來，使用者可清楚掌握自身資料被哪些機構存取，並透過如QR Code等方式即時分享病歷，逐步實現以個人為中心的資料流通模式。為支撐此架構，CMS也導入多元身分驗證機制，如Login.gov、ID.me和CLEAR，來確保資料交換的安全性與可追蹤性。

在運作機制上，醫療科技資料交換架構採高度協作模式，已經吸引數百家機構和業者參與，並透過工作小組共同測試資料交換流程與技術標準，加速創新驗證。相較之下，TEFCA則以較長的政策周期推動制度化，並強化資訊阻擋的執法，確保資料能依法流通。（詳全文）

 AI代理   臨終照護   LLM 

多AI代理進攻臨終照護決策，美國醫院用LLM觸發臨終照護對話

在今年度HIMSS26大會上，美國最大非營利醫療體系BJC Healthcare醫療總監Nathan Moore與華盛頓大學醫學院AI實作研究員Jessica Saleska分享，他們透過多AI代理架構，改善臨終照護決策流程，並降低高度依賴人工的臨床工作負擔。

雙方開發一套結合大型語言模型（LLM）和機器學習的臨床決策支援系統，可從電子病歷中擷取結構化資料和臨床紀錄，自動判斷哪些住院病患可能進入生命末期，並觸發後續的預立醫療照護計畫（ACP）流程。這系統採多代理設計，從預測模型開始，依序由評論代理、目標判斷代理和檢討代理等多個代理，來進行多層驗證，最後由臨床人員接手最終決策。團隊也設計回饋機制，由學習型代理從人工溝通結果中持續優化模型，但相關結果不會直接寫入病歷，以降低風險。

在導入策略上，該系統先以「背景測試模式」進行無聲測試，評估模型表現後才逐步上線。模型訓練則使用超過4年的歷史資料，透過監督式學習預測臨床人員的決策模式。就成效來說，AI沒有讓醫師更煩，反而維持原本就很高的配合度（回應率高於90%），門診ACP執行率還提高近25%，相關行政作業時間也縮短超過20%。（詳全文）

數位轉型   AI   HIMSS 

前特斯拉總裁：醫療數位轉型應該先簡化再自動化

在數位醫療盛會HIMSS26的主題演講中，DVx Ventures執行長、前特斯拉總裁暨前Lyft營運長Jon McNeill提出一項觀點：數位轉型不該從導入AI開始，而是先回到流程本身，從簡化和設定明確指標來轉型。他以特斯拉經驗為例，當時內部並不存在獨立的創新部門，因為創新本身是一套持續運作的系統化框架，其核心第一步是「質疑每一個既有需求」。McNeill強調，複雜不等於必要，真正的創新往往是刪除不必要的流程，而不是堆疊新技術。

在實務上，他提出一套明確順序：先刪除多餘步驟，再優化人工流程，最後才導入自動化或AI應用。要是在流程尚未釐清前就進行自動化，反而會放大低效率的流程。甚至，他主張可先大幅刪減流程，再回補約一成的必要步驟，來建立更精簡的運作模式。

相較於抽象的提升病患滿意度或導入AI，McNeill建議醫療機構先設定具體且挑戰性的指標，比如將診斷流程時間或病患就醫流程時間縮短一半，以結果為導向的方式來驅動改革。此外，他也強調產品應從使用者完整體驗出發，涵蓋從接觸服務到完成照護的全流程，並建立回饋機制，讓團隊實際使用自家產品，才能持續優化。（詳全文）

 HIMSS   Amazon   健康助理 

Amazon全面開放AI健康助理，化身問診到看診的一站式AI醫療入口

在剛落幕的數位醫療大會HIMSS26上，醫療服務商Amazon One Medical宣布將全面開放自家健康助理Health AI，讓所有美國用戶免費使用。有別於一般的健康問答Chatbot，Health AI不只能提供通用的醫療資訊，還能在取得使用者同意後，串接美國國家健康資訊交換平臺（HIE）或自家One Medical電子病歷系統，生成更個人化的回應。

進一步來說，這類AI代理結合通用的醫療知識和個人健康資料，能依據既有病史、用藥紀錄和檢查結果，提供更貼近臨床情境的建議。更關鍵的是，Amazon將AI與實際醫療服務打通，當Health AI判斷使用者需要進一步診療時，可直接在同一介面連接One Medical醫師，完成後續診斷與治療，形成從AI諮詢到醫療服務的閉環流程，而不是只提供建議然後就中斷了。

Amazon強調，該系統由臨床醫師與技術團隊共同開發，確保回答符合醫療標準和實務需求。整體來看，Health AI代表醫療AI正從「問答工具」進展到整合資料、分診與醫療服務的入口平臺。（詳全文）

 FHIR   結構化資料   語言 

用AI解析FHIR結構化資料，自動生成多語言醫囑降低再入院風險

在年度數位醫療盛會HIMSS26上，一項看似只是翻譯的AI應用，正悄悄改變醫療品質。Oracle和資深雲端工程總監Tripp Partain和美國非營利醫院體系Nuvance-Northwell Health副院長Albert Villarin在會中指出，語言障礙長期讓病患誤解出院指示，例如藥物劑量、服用方式或追蹤安排，進而提高再入院率和醫療風險，在多語族群高度集中的地區又特別明顯。

為解決這個問題，Nuvance-Northwell Health醫院導入整合電子病歷（EHR）的AI翻譯工具，直接嵌入既有臨床流程，在病患出院時自動生成多語言版本的醫囑。與傳統翻譯工具不同，這類系統並非單純處理自然語言，而是結合醫療專用語料與資料標準，如FHIR和HL7，能同時解析結構化與非結構化資料。

例如，系統會先從EHR中擷取用藥欄位、診斷碼、處置資訊，理解藥品名稱、劑量單位和給藥頻率等結構化資料，再透過AI模型生成符合目標語言和文化語境的說明文字，避免直譯造成誤解。這也意味著，AI翻譯的輸出不只是語意正確，而是符合臨床使用情境與醫療安全要求。

他們也開始把這類系統導入標準化醫療術語和編碼體系，確保不同語言之間的一致性，並能隨著臨床文件更新而同步翻譯，減少人工轉譯和溝通延遲。該醫院規畫，未來要把病患語言偏好直接寫入系統，從掛號、診療到出院的全流程都自動套用，讓多語言支援變成預設功能。這類AI的目標，是要讓「聽得懂醫囑」成為醫療品質的一部分。（詳全文）

 州政府   社會健康資料   價值導向支付 

美國兩州政府分享醫療轉型進展：從資料同意管理到跨域交換架構

在HIMSS26數位醫療大會上，美國路易斯安那和科羅拉多兩州政府揭露醫療轉型新進展：關鍵不在單一技術突破，而在於同步建置資料治理、資金配置和政策機制。路州衛生部部長Bruce Greenstein強調，政府角色正從醫療保險支付者，轉向整體健康系統設計者，將慢性病政策、營養補助和醫療服務整合為一體。

科州副州長Dianne Primavera則把重心放在資料層重建。該州透過eHealth創新辦公室推動以病患為中心的資料策略，核心是同意管理（Consent management）。技術上，州政府正建置集中式同意資料庫，將原本分散在不同醫療機構的授權機制標準化，讓病患可跨機構控管資料存取權，並支援即時撤回和更新授權的機制。

在資料交換架構上，科州進一步推出CoSHIE，將傳統醫療資訊交換（HIE）範圍擴大至社會健康資料（SDOH），串接醫療機構與住房、食物、交通等社福系統。這類架構不只整合多來源資料，也建立跨機構事件回饋機制，例如醫師可直接查詢病患是否完成社會服務轉介，減少追蹤落差和重複作業。而AI在這個架構的角色相對務實，主要用來減輕偏鄉醫師的行政負擔，比如自動整理文件或輔助資料處理，而非取代臨床決策。

路州則從制度和資金面推動數位轉型。州政府一方面集中採購、協助醫療機構以較低成本導入電子病歷系統，提供後續導入和維運支援，降低中小型與偏鄉醫療機構的技術門檻。另一方面，該州也設立偏鄉科技創投基金，以類似創投的方式投資遠距醫療和數位健康服務，透過補貼機制支援創新服務在偏鄉落地，直到具備長期營運能力。

在支付制度上，路州進一步導入以HEDIS等品質指標為基礎的價值導向支付模式，將醫療給付與照護品質直接掛鉤，從過去依服務量給付，轉以臨床成效和健康結果為導向的激勵機制。（詳全文）

 醫療AI   ROI   滿意度 

從減輕文書作業到提高醫師滿意度，醫療AI不只看ROI

在HIMSS26大會上，美國多家醫療機構和臨床IT主管指出，醫療AI的價值正從投資報酬率（ROI）評估，轉向更難以量化但同樣重要的指標，例如醫師滿意度、病患照護品質和營運效率等。

臨床整合醫療聯盟Community Quality Alliance臨床資訊醫療總監Craig Levoy表示，其機構導入AI診間自動紀錄系統後，大幅改變醫師工作流程，特別是在減少文書負擔方面。部分醫師過去需要用周末補寫病歷，但現在不用了。他還透露，他們有套AI助理工具，甚至讓醫師找回行醫的樂趣，要是移除系統，可能引發強烈反彈。

服務超過100萬人的醫療體系McLeod Health醫療資訊長Bryon Frost則表示，他們的AI策略並非追求財務回報，而是聚焦「解決流程摩擦」，尤其將AI省下來的時間回饋給醫師，而非增加看診量，好讓醫療品質更好。

美國大型肝膽腸胃科醫療集團Allied Digestive Health總裁暨營運長Sap Sinha則觀察到，資深醫師反而是AI診間自動紀錄系統的主要採用者，因為技術能讓他們重新專注於病患，而非文件工作。在人力短缺情況下，該機構也將AI摘要工具導入護理師培訓流程，來提高臨床文件品質和效率。

與會者也指出，選擇具長期技術發展能力的合作夥伴，也是導入AI的重要考量。隨著醫療知識快速成長，他們也期望AI結合知識圖譜與臨床決策支援，協助醫師即時掌握更多資訊。（詳全文）

圖片來源／Amazon、Office of eHealth Innovation

  MedTech醫療科技近期新聞 

1. 泰國整合全國疾病監測系統：從分散資料到主動預警，要打造數位公共衛生平臺

資料來源：iThome整理，2026年3月