臺大醫院導入CDC即時資料串流架構 推動研究與智慧醫療雙軌整合

臺大醫院自1983年導入門診系統以來，便持續推動醫療資訊化，至今已建立一套涵蓋診療、檢驗、影像、藥事、護理、收費與行政等幾乎所有流程的完整資訊系統。多年累積下來的醫療與行政資料量龐大，為臺灣醫療數位轉型及智慧醫療的發展奠定了堅實基礎。

隨著資料規模不斷擴大，應用需求也日益多元，尤其在醫學研究領域，研究人員對資料的需求從靜態報表逐漸轉向動態查詢、跨系統整合與即時更新。過去為避免研究作業影響線上醫療系統效能，臺大醫院將研究用資料自主系統中獨立出來，另行轉置至異質資料庫進行分析。此做法雖能確保臨床系統穩定，但高度仰賴資訊人員處理，包括資料擷取、格式轉換、正確性驗證與匯入等步驟，不僅費時費力，也難以提供即時更新，限制研究效能與彈性。

為解決這些問題，臺大醫院資訊室主導規劃，並與系統整合服務商精誠資訊及數據串流技術廠商亦思科技團隊合作，導入「即時資料串流同步機制」，採用 Change Data Capture（CDC）技術，建立一套能自動擷取、傳送與整合異動資料的串流架構。該系統可即時監控醫療系統中資料庫的異動紀錄（如 insert、update、delete），並在數秒內完成同步至異質資料平台，有效取代人工轉置流程，大幅提升資料更新的即時性與一致性。

本計畫由三方團隊共同執行：臺大醫院資訊室負責需求定義與架構設計，兩個技術團隊則分別負責系統建置與CDC技術導入。所採用的串流平台具備直覺式圖形操作介面，支援多種資料庫類型的即時同步，且幾乎不需撰寫程式碼（No-Code/Low-Code），讓資訊人員能自行完成流程配置、錯誤處理與排程設定，降低維運的技術門檻。

此次導入的CDC平台由Qlik提供，透過該平台，臺大醫院得以將主系統與研究平台間的資料流程自動整合，任何來自主系統的異動資訊都能快速同步至研究資料庫，確保資料即時性與一致性。這不僅提升研究資料的品質，也為後續AI模型訓練與機器學習應用提供了即時且可靠的數據來源。

CDC架構的一大優勢在於對異質資料整合與轉換的靈活支援。整體流程可清楚拆分為擷取、轉換與載入三大階段，並可分別監控與調整。透過直覺式圖形介面，使用者無需程式撰寫即可完成欄位對應、資料格式轉換與跨系統對接，操作門檻大幅降低。低代碼設計也使資訊團隊能迅速因應不同系統資料的格式差異，進一步強化資料的一致性與可用性。

在實際應用方面，臺大醫院除完成研究資料的即時同步，也進一步將此架構延伸應用至體系分院。透過總院系統的即時資料串流，分院得以同步接收病患資料、醫囑紀錄與關鍵事件，並發展出在地化的資訊應用，例如BI儀表板、疾病分析工具及智慧決策支援等。此舉不僅提升總分院間資訊整合的效率，也免除傳統人工抽取與轉置流程所帶來的繁瑣與風險。

舉個例子，如果某分院希望即時取得住院病人的進度紀錄（progress note），作為大型語言模型（LLM）進行病程摘要、臨床關鍵字萃取與病情預測的資料來源。以往需仰賴每日批次作業匯出病歷內容，無法即時反映病患最新狀況。導入CDC技術後，系統就可自動擷取每筆病歷異動，並即時推送至AI平台分析，使模型運作更貼近臨床現況，進一步提升智慧輔助決策的準確性與即時性。同時，CDC平台亦具備完善的異動紀錄與傳輸監控能力，能即時偵測錯誤並發出告警，確保資料供應穩定一致，強化AI在臨床現場的實用性與安全性。

本架構亦具良好擴充彈性，未來可延伸至更多臨床應用場域，例如與REDCap臨床研究平台整合，或結合IoT設備串流病患生命徵象，進一步開展即時監測與AI預測應用。隨著生成式AI逐步導入臨床決策流程，資料即時性與準確性將成為AI效能的關鍵，而CDC正是支撐此願景的基礎技術。

臺大醫院資訊室主任陳權忠表示：「這次導入的資料串流架構不僅解決了研究資料供應的瓶頸，更讓我們看見跨部門與跨場域應用的可能。透過流程自動化與即時資料同步，我們得以將更多資源投入在AI應用與資料治理之中，推動智慧醫療邁向下一階段。」

(左)臺大醫院：資訊室 尚榮基 協理 (右)臺大醫院：資訊室 陳權忠 主任

本次CDC技術的導入，成功融合技術創新與臨床實務需求，不僅展現出醫療資訊架構的升級成果，更為臺大醫院在面對高複雜度與高即時性的資料挑戰時，提供一個高彈性、高效率的解決方案，為智慧醫療的深化與普及奠定了堅實的基礎。