醫院GenAI應用加速規模化

過去一年來，臺灣企業級生成式AI應用，開始展現了百花齊放的成果，去年，企業想的是「找出適用場景」，今年則是更進一步聚焦於「高ROI效益的場景」。企業投入GenAI的目標，更加明確了，不只要用得對，還得用得有成效。

從iThome今年度的CIO大調查結果，可以看到，臺灣大型企業已有15%企業，約每六家就有一家，在正式環境中導入GenAI。不過，有少數，約5%的臺灣企業，開始擴大規模，又以醫療業GenAI應用，最令我驚艷。

這兩年，我跑了不少企業，實地採訪、參觀他們如何運用最夯的生成式AI應用。去年，IT資源充沛的金融業積極投入，受限於相對嚴格且繁多的法遵規範，金融業對於GenAI的採用，一直是大膽驗證，小心落地，可以看到各式各樣的GenAI驗證測試，但真正落地的應用，卻不多。常見有系統性的GenAI管理和開發框架，但少見有全集團、全面性的應用實例。

幾年前，不少醫院大力擁抱AI，嘗試用AI來判讀醫療影像，也有不少實例，但是這類分析式的AI，需要大量資深、專業醫師投入人工標記作業，想要擴大規模，延伸更多應用場景，非常困難。從我們的大調查也可以看到，醫院的AI預算一度緊縮，醫院高層無法看到規模化的成效，不願意繼續加碼。直到生成式AI出現，醫院AI應用彷彿找到了第二春。這一次，不需要一開始先投資鉅額硬體設備，也能透過雲端訂閱展開各種實驗。醫院是臺灣各產業中，非常積極採用生成式AI的一群。

不只是積極嘗試，醫院也是目前最有成果的產業。同樣從我們今年的大調查結果可以看到，各產業生成式AI的領先企業比例，以醫療業最高，達到22%之多，平均每五家醫院，就有一家落地使用，比金融業的16%，還高了6個百分點。

醫院讓我驚訝的不只是採用者踴躍，更看到不少規模化、深度整合到原有醫療流程的應用。例如先前報導過中山附醫的免程式碼生成式AI平臺，已有超過6百款AI助手。在這期封面故事，我們醫療IT主編王若樸要來介紹臺大醫院的生成式AI轉型。

臺大醫院現有超過300個GenAI專案正在進行，其中有100個已經正式落地。應用場景遍及全院所有醫療行政相關的流程作業，裝置從PC、推車筆電到手機等都能用。其中有五種，是他們認為最能發揮GenAI長處的場景，包括了整理病歷重點、輔助生成報告、解析結構化資料、即時問答，以及管理審核。

臺大醫院由下而上，從一個一個的應用案例，逐漸累積到現在的數百個專案。他們對於生成式AI的定位，很不一樣，不是運用LLM的知識庫，而是看上了LLM處理非結構化資料的能力。

醫院有很多資訊斷點，各式各樣的文字報告、電子病歷、醫療影像等非結構資料，分散在不同系統的畫面、報表之中，過去只能靠醫生手動彙整，這是非常耗時也耗人力的工作。

臺大醫院正是利用LLM來解析這些各種非結構資料，透過特徵擷取，轉化成結構化資料，結合HIS系統，來解決原本只能靠人工處理的資訊斷點，甚至進一步做到大量自動化的處理。

像他們每年要收治高達3到4千位心臟衰竭高風險病患，其中2千位可能併發心房顫動，導致中風、大出血，甚至死亡。原本中風風險評估時，手動計算一個病患的風險分數，得花5到10分鐘，現在改用GenAI自動評估搭配人工驗證，不用1分鐘就可以完成，臺大醫院平均一天收治超過100名病患，每天都可以省下近1.5小時。

臺大醫院導入GenAI的做法也很特別，他們一開始就比照醫院人體研究的高標準審查作業方式，來評估GenAI應用的導入，將GenAI技術的採用，視為一項人體相關的研究計畫，來進行研究倫理、法規的詳細審查。

這麼做一開始雖然很慢，花了半年審查才獲得許可，但在過程中確保了各項合規性的要求，成了後來大規模應用的基礎，才能快速增加到數百個GenAI專案。

臺大醫院的GenAI轉型經驗和規模化做法，同樣也適用於其他醫院、整個醫療產業，甚至可以成為其他產業加速GenAI應用規模化的借鏡。