國際醫學資訊 標準化舉足輕重
隨著 AI 日新月異的發展，醫療資訊的標準化、智慧醫院的推動以及數位醫療的應用，成為全球的關注重點。2025 年，臺灣主辦世界醫學資訊大會（MedInfo），邀集全球頂尖專家，一舉提升我國在國際醫學資訊領域的能見度與地位。
採訪／施鑫澤 文／鄭宜芬‧刊期／2025.4
臺灣不僅是全球 AI 創新與半導體製造中心，將 AI 技術應用於醫療保健領域也居於重要地位。MedInfo是由國際醫療資訊學會（International Medical Informatics Association，IMIA）主辦的重要國際會議。該學會隸屬於世界衛生組織（WHO），致力於推動醫學資訊的標準化與應用發展。2019 年，臺北醫學大學醫學資訊研究所特聘教授李友專當選 IMIA 首位臺籍主席，成功為臺灣爭取到 2025 年大會的主辦權。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook，與全球 CIO 同步獲取精華見解 ]
世界醫學資訊大會副總裁暨萬芳醫院副院長林明錦負責籌備本屆大會，大會將於 8 月在臺北舉辦，2027 年則由杜拜接棒。各國醫學資訊專家將齊聚一堂，議題涵蓋醫院管理、學術研究與科技應用等領域，探討醫療資訊標準、數位轉型及人工智慧的發展趨勢，以應對全球醫療現況與護理人力短缺等挑戰。
國際醫學資訊趨勢 智慧醫院X人工智慧
此次會議主題為 「HealthcareSmart × MedicineDeep」，旨在促進開放、合作、使資料能夠安全流通的數位醫療環境，並深入探討 AI 在推動醫療保健轉型中的角色。MedInfo 是產學界交流的大平台，今年論文投稿量達 1,039 篇，為歷年第二高。預計將吸引來自歐美學者與國際機構代表等約 800 名專家參與，推動醫療資訊學的發展。
應時勢所需，今年全球關注重點是結合智慧醫院概念與 AI 技術，兩大主題分別為「智慧醫院」（Smart Hospital）與「人工智慧」（Deep Medicine）。其中深度醫學的概念源自 2014 年深度學習（Deep Learning）技術的發展，特別著重卷積神經網路（CNN）在影像分析中的應用，使醫療 AI 的準確度大幅提升之意義。
臺灣長期積極參與醫學資訊領域的國際事務，今年將與 IMIA 共同組成議程小組，安排國際頂尖專家學者演講、論文口頭報告、論文壁報展示、綜合討論及舉辦各種主題的訓練營，議題包含醫學資訊領域各種層面。為呼應主題與深化國際交流，大會更邀請三位 Newsweek 全球智慧醫院評比的國際評審來臺，分享智慧醫院的發展趨勢與經驗，藉由國際會議的舉辦，讓國內外專家學者可快速及直接地與國際交流、接軌。
[ 推薦閱讀：【專訪】衛生福利部中央健康保險署署長石崇良]
AI 寫病歷、癌藥審查搶時間
世界各國皆面臨護理人力短缺的挑戰，WHO 預估到 2030 年，護理師和助產師人力的短缺數目將超過 900 萬人 。我國護病比也從 1.6 逐漸攀升至 1.9。過往護理人員的日常工作中，約有 40% 至 60% 的時間需撰寫護理紀錄，背負龐大的行政負擔，解決迫在眉睫的人力問題已是當務之急。
美國醫學資訊學會（AMIA）2022 年提出目標，希望在五年內將臨床文書工作負擔減少至原先的 25%。林明錦表示，這與臺灣醫療數位化的發展方向不謀而合，尤其高齡少子化、醫療人力短缺與病房關床已演變成國安危機的現今，如何運用 AI 技術提升醫療效率，已成為全球共同關注的議題。
醫師除了了解臨床需求，對 AI 和巨量資料的理解能力也強，因此由醫師主導的醫療 AI 專案屢屢展現令人矚目的研究成果，相較科技界由 IT 團隊主導開發的智慧醫療專案，更能貼近實際醫療現場需求。
隨著醫療數位化發展，各醫學中心發展各種 AI 技術提升治療品質與效率。例如 AIoT 技術可縮短護理人員在量測記錄生理資料的時間，萬芳醫院透過北醫大數位創發中心開發的「一鍵式病歷生成」，彙整生成護理交班與轉床紀錄，達到北醫體系三院資源共享。
在政府層面，癌藥審查流程也加速提供癌友用藥。過往癌友申請特殊藥物時，醫院須提交大量紙本資料，光是審核就至少耗掉兩週時間，然惡性腦癌病患的平均存活期僅約半年（24 週），等同與病魔搶時間。健保署推動癌症登記與癌藥審查數位化作業後，透過 FHIR 等標準，醫師可從醫院資訊系統（HIS）直接抓取病人資料，從申請到審查在3天內完成，未來導入 AI 後更有機會即時審查。如病人確診惡性腫瘤後，健保署若能自動核准大型醫院呈交的病理報告，便有望在人力限縮的狀況之下，再加速流程。
[ 推薦閱讀：【專訪】林口長庚紀念醫院副院長吳俊德 ]
FHIR 與LOINC 推動醫療巨量資料標準化
既然臺灣的醫療系統已經數位化，為何還需發展次世代醫療平台或 FHIR 等技術？林明錦解說，臺灣的數位化目前仍停留在「紙本資料轉換為電子檔案」的階段，也就是醫師雖可在電腦上查看病歷與檢查結果，但資料仍無法被電腦自動理解與分析。真正的數位轉型不僅是提供圖像化的資訊平台，而應讓電腦能夠讀懂這些資料並加以應用，進而輔助醫療決策。
而要升級現有的醫學資訊基礎，標準化不可或缺。例如臺灣在醫療保健領域的數位轉型上占有舉足輕重的地位，健保署推出的「健康存摺」堪稱世界首屈一指的發明，讓病患能夠即時查閱自身的健康資料。然目前各醫療院所仍存在標準化不足的問題，上傳的資料格式未完全統一，使得應用 AI 分析不易。
「現在還是差一步，就是需要車同軌，書同文。」林明錦指出，若能進一步讓血壓、血糖等生理數值都能以一致的標準格式上傳，提升電子病歷與健康資料的可讀性（Computer Readable），將有助於臨床決策與醫療管理的發展。
為此，林明錦致力於實踐實驗室標準化（Logical Observation Identifiers Names and Codes，LOINC），這是用於標識檢驗醫學及臨床觀測指標的資料庫和通用標準。LOINC 早期在臺灣較少為人所知，其實「防疫雲」所採用的 LOINC，便是時任疾管署署長莊人祥所採用的標準，且隨著美國疾病管制與預防中心（CDC）推動相關計畫，以及我國次世代數位醫療平台計畫的發展，LOINC 已成為 FHIR（Fast Healthcare Interoperability Resources，快速醫療互操作資源）標準中重要的一環。
以神經外科為例，病患術後需轉診至其他醫療機構進行後續照護。在轉診過程中，接收醫院要求病患提供前一階段的檢查結果，例如是否曾接受梅毒、瘧疾等傳染病篩檢，以及完整的出院摘要。儘管臺灣的實驗室檢驗與病歷系統已電子化，實際作業卻仍需病患或家屬攜帶紙本文件至下一家醫院，資訊傳遞效率緩慢，未達到「標準化」與「互通性」的程度，導致醫療機構間無法無縫銜接資料。唯有將各家醫療院所的資料進行標準化並予以串聯，才能形成完整的醫學巨量資料，便於民眾使用、加速 AI 的研發與應用。
[ 推薦閱讀：SMART on FHIR 在臨床醫療的應用 ]
數位轉型新階段 自動化整合 AI
數位轉型不僅是推動資料電子化，下一步更要邁向自動化，使電腦能夠讀取、分析並自動處理醫療資訊。美國醫學學會已將「AI」的定義逐漸由 Artificial Intelligence（人工智慧）轉變為 Augmented Intelligence（增強智慧），強調 AI 並非取代醫生的決策，而是輔助決策。臺北醫學大學醫院董事長陳瑞杰就曾指出，醫生需要的並非由 AI 來代替他們做決策，而是更重視醫療流程的自動化（Automation）。
林明錦進一步說明，AI 在醫療應用與發展與自動駕駛有類似之處，例如早期 GPS 僅提供導航資訊，並不影響駕駛的決策，因此不涉及責任歸屬問題。當進展到自動駕駛時，責任歸屬便成為關鍵問題。
同樣地，AI 在醫療領域的應用也分為不同層級，例如哈佛大學的一篇論文便將 AI 醫療應用分為 Level 1 到 Level 5。目前醫院常見的 AI 應用多屬於 Level 1，如臨床決策輔助系統（CDSS）提供警示，最終決策則由醫師擬定，最高階的 AI 應用如人工胰臟判讀，能夠即時監測血糖並自動調節胰島素劑量。
當然，這類高階技術雖能提升醫療效率，卻也涉及醫療安全與責任歸屬等問題，需審慎評估與監管。如何讓 AI 在不影響醫療決策的前提下，成為有效的輔助工具，是未來的重要課題。
[ 推薦閱讀： 從智慧能源到醫療照護]
AI 代理的前景與法規挑戰
邁向數位醫療新里程，輝達黃仁勳與 Meta 祖克柏皆提出 AI Agent（AI代理）是下一波關鍵趨勢，醫界莫不關注 AI Agent 能帶來哪些益處，這項技術若能成熟應用，將有助於減輕醫護人員的行政負擔，提升醫療作業的效率。
林明錦說明，ChatGPT 之所以比 DeepLearning 更受重視，主因在於其具備對話式互動能力，無需進行繁瑣設定即可展現出較高的通用智慧。延伸到 Agent AI 的概念將著重於賦能，例如 ChatGPT 網頁版中新增 Excel 操作 及 E-mail 收發的功能，讓 AI 不僅能夠對話，還能執行更複雜的操作。
舉例來說，醫師開立處方藥需要病歷與檢驗結果等多項報告，若能將這些流程整合至 ChatGPT 並賦予 AI Agent 能力，便可自動連接醫院系統、調閱資料、自動開藥，讓 AI 從「對話式輔助」進階為「實際執行」，銜接 AI 技術與臨床端，縮短技術與實務應用。
然而，AI Agent 雖有望帶來便利，卻也伴隨新的挑戰，如何在提升效率的同時，確保醫療安全與倫理監管，是推動發展時需要審慎考量的議題。此外，DeepSeek 的低成本 AI 模型對業界造成衝擊，在醫學資訊領域，臺灣的相關法規已放寬允許資料上雲，唯資料須留在境內，未來應對跨國醫療合作與資料應用方面，對於如何兼具便利與安全性，仍有待於克服。
欲推動 AI 應用，醫院管理者能否支持是最大關鍵。林明錦分享，資訊系統的建置需投入大量成本，醫學中心有能力投資數億元發展新技術，但對一般醫院而言相當困難。新技術導入初期可能會面臨質疑與阻力。因此，最重要的是運用概念驗證（POC），透過成功案例展示實際成效，有助於提升決策層的接受度，更具體地理解 AI 如何最佳化醫療流程及帶來效益，並思考適合自身機構的應用模式，實際減少醫師與護理人員的工作負擔，便更願意投入資源。此謂推廣成功案例（Spread Successful Stories），也就是典範轉移（Paradigm Shift）。
綜觀整體醫療自動化與 AI 技術的應用，已革新傳統的醫療流程。未來，透過標準化與資料互通，可望減少人力負擔，提升效率，推升智慧醫療的層次。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
