口述／孫培然·彙整／CIO編輯室
隨著醫療資訊的發展，臨床邏輯與品質衡量的需求日益增加。過去台灣的醫療資訊系統，大多以各院所自行定義的規則與邏輯為主，不同醫院之間的資料難以共享，造成決策支援系統（CDS）與臨床品質衡量（eCQM）的推動受限。
[ 加入 CIO Taiwan 官方 LINE 、 Facebook 與 IG，與全球CIO同步獲取精華見解 ]
Clinical Quality Language（CQL）是一種以標準化語法定義臨床邏輯的方式，能讓醫療團隊以統一格式撰寫與交換規則，進而支援跨院合作、品質評估以及智慧支付。本文將透過實際案例說明 CQL 的應用，再進一步探討在台灣的推廣策略與未來展望。
CQL 實際應用案例
在 CQL 實際應用方面，第一個案例是試著找出一年內未進行 HbA1c（糖化血色素）檢查的糖尿病人（見圖一），此時會用到的詞彙代碼就是 LOINC，HbA1c 的代碼為 4548-4。
第二個案例是確認高血壓患者是否接受適當的藥物治療，此段邏輯透過 RxNorm 代碼 1049630 定義降壓藥，並檢查病歷中是否存在狀態為 active 的用藥需求（MedicationRequest），若條件成立，即代表病人目前正持續接受相關藥物治療。（見圖二）
第三個案例是預防性乳房的攝影篩檢，目標是要找出年齡符合條件比如說年齡大於 50 並且小於 74，且過去兩年內沒有接受過乳房攝影（SNOMED:263680009）的紀錄，即需被列入篩檢提醒。（見圖三）
第四個案例是住院病人的跌倒風險評估，目標是評估住院病人跌倒風險並提供預防建議，意指 Observation 屬於 72175-3 時，就是屬於高風險的病人。（見圖四）
此案例的目標是追蹤慢性腎臟病人者在半年內的腎功能變化。透過 CQL，可以檢查病人是否於六個月內完成一次血清 Creatinine（LOINC:2160-0）檢測，以確保病程監測的完整性。（見圖五）
由上述案例中就可以發現 CQL 邏輯其實有做到自然語言化，如「六個月」一樣是英文字的 6 months。從第六個追蹤兒童是否按時接種疫苗的案例（見圖六）一樣可以發現同樣的特性，如定義疫苗代碼屬於 CVX:10，如果是「not-done」就是沒有做。
CQL 在台灣的推廣優勢與現況
推廣 CQL 的第一個優勢，是可以提升臨床決策資源的標準與實現，所有邏輯統一用 CQL 定義，避免因為系統或人員的差異，而導致執行規則不一致，可以幫助醫療團隊做出標準、可追溯的臨床建議。
推廣 CQL 的第二個優勢，是可以促進跨機構資料的共享及協作。以 CQL 搭配 FHIR、ELM 等標準編寫，臨床邏輯即可跨院、跨平台重複使用，進一步支援區域聯防、雙向轉診與長照整合等跨域情境。
推廣 CQL 的第三個優勢，是支援品質衡量及績效評估。CQL 可應用於 eCQM 的規則邏輯，輔助健保署及醫院品質統計。比如說要統計「糖尿病人一年內未完成 HbA1c 的檢查比例」時，就可以透過 CQL 的方式來撰寫。至於 CQL 在台灣要如何推廣，首先必須回到醫療資訊的現況來檢視。
自健保開辦以來，無論是醫學中心、區域醫院、地區醫院，甚至基層診所，大多已導入 HIS 系統，但最大的問題在於資料標準化不足。診斷碼、檢查結果、用藥紀錄等格式各不相同，甚至仍有大量非結構化文字，導致跨院之間的資料比對極為困難。這對 AI 應用與臨床決策支援系統（CDS）的推廣，更是形成重大阻力。
政府其實已意識到這個問題，因此正積極推動 FHIR 標準。健保署雖已展開 FHIR-based exchange 的試辦，但距離全面普及仍有一段路要走。若醫療資料持續以各院自行定義的格式為主，不僅跨院交換困難，後續的應用推廣也會受限。
[ 推薦文章：資料品質已成為企業資料治理與關鍵決策的重心 ]
舉例來說，同樣是診斷碼或檢查紀錄，不同醫院可能在格式與欄位設計上各自為政，資料難以重複利用；再加上許多臨床邏輯與健保規範往往被「寫死」在系統內，缺乏統一的語言描述，結果就是每家醫院都發展出自己的判斷方式，規則難以抽離與共享。
這種「資訊孤島化」的狀況，不僅阻礙 CDS 的發展，也限制了 AI 模型的訓練與健保署的品質核查。唯有導入像 FHIR 這樣的標準化資料交換機制，並搭配 CQL 這類邏輯描述語言，才能徹底突破瓶頸。
FHIR 負責統一資料格式，CQL 則提供標準化的臨床邏輯語法，兩者結合後，臨床規則才能真正跨院流通，並進一步應用於品質衡量、績效評估與智慧支付等場景。
CQL 的推動挑戰與落地策略
台灣若要成功導入 CQL，必須正視幾項關鍵挑戰。首先，許多臨床邏輯仍被封裝在 HIS 系統內，缺乏共用性與可重用性。可行的推進方案，是制定 CQL 撰寫規範，並建立國家級的邏輯資料庫，讓醫療機構能引用同一套標準規則，減少重複開發。
其次，資料格式不一致、結構化程度不足，也是限制 CQL 落地的重要因素。因此，推動 FHIR 標準格式與交換機制，成為應用 CQL 的必要前提。唯有在資料結構化與互通性提升後，CQL 的優勢才能真正發揮。
再者，FHIR 在台灣尚未全面實施。要達到全國性的導入，恐怕仍需五到十年的過渡期。因此，建議可先選定示範醫院，以 CDS 搭配 FHIR 進行試點應用，在有限範圍內逐步累積經驗，再逐步擴展至其他醫療院所，形成由點到面的推廣模式。
最後，健保規則與院內邏輯之間仍存在落差。健保署目前多以 PDF 或文字描述規範，資訊人員需人工解讀後再撰寫程式，過程耗時且容易產生歧異。若能以 CQL 建立共用的 eCQM 指標邏輯庫，並由健保署直接下放給醫院使用，不僅可支援即時核查，也能讓健保與醫院之間的邏輯保持一致，進一步提升透明度與效率。
CQL 與健保署的合作可說是極具潛力。如 CQL 可支援健保署的品質指標以及支付標準化。如應用於 eCQM（電子臨床品質衡量）的邏輯撰寫，定義每一個項目的給付條件，如定義糖尿病年檢率、跌倒風險評估、癌症早期篩檢的指標，都可以用 CQL 統一管理。
再來就是強化醫療服務的監測及評估機制。健保署可以利用 CQL 撰寫稽核邏輯，嵌入審查系統做到即時驗證跟事後稽核，有助於落實「先審後付」、「智能核刪」等政策。
[ 推薦文章 ：健康台灣深耕計畫下的科技角色與挑戰 ]
此外，若醫院與健保署使用相同的邏輯標準（如 CQL），可減少「邏輯不一致」，促進健保與醫院之間的語意對接與知識共用。我們也深切的希望健保署能夠提供一個標準的 CQL，下放給醫院直接去使用，醫院資訊人員就不需要再重新撰寫一些檢核規則邏輯等，CQL 撰寫的邏輯就會更容易被機器學習模型解讀，並轉換為監測特徵，便於未來 AI 審查模型引用，提高效率與準確性，奠定邁向智慧支付與 AI 審查的基礎。
所以要推動 CQL，政策層面需要政府主導推動，制定推廣計劃與國家標準，設立國家級 CQL 指南及範本庫，衛福部目前正往這方向努力。我們也希望能建設 CQL 能力，也就是針對 CQL 的人才及資源支援，提供醫療資訊與臨床人員的雲端培訓與教材，建構一個技術平台與轉換工具的支援。
最後則是 CQL 的試點實踐，我們可以從小規模開始累積經驗，鼓勵醫療機構試點，參與補助計畫，建立回饋機制，逐步的優化推廣 CQL。
結語與展望
CQL 有望成為臨床邏輯的標準語言，發揮其作為 CDS、eCQM、審查邏輯與跨院交換共同基礎的潛力，建立一個以 CQL 為核心的智慧醫療生態系。透過與 FHIR、CDS Hooks、ELM 等國際標準結合，可打造可重複使用的臨床知識體系，推動醫療從單一院所走向跨機構的知識整合與決策支持。這將有助於提升邏輯準確性、確保執行一致性，並促進流程自動化，進一步減少人為錯誤，改善照護品質與管理效率。
未來，若能結合政府與產業力量共同推進，由公部門主導制定規範，並由醫療機構與產業界進行實作與驗證，將能建立政策、技術與教育並行的永續發展模式。如此一來，便能實現智慧醫療的願景：建構「高品質、標準化、可擴展」的檢核邏輯規範。CQL 將成為串聯「語意 + 邏輯 + 應用」的知識引擎，協助台灣與國際接軌，加速醫療數位轉型及智慧醫療。
[ 閱讀 孫培然 所有專欄文章]
對台灣而言，這不僅是追隨國際標準化潮流的課題，更是一次搶先布局的契機。若能把握 CQL 的導入時機，台灣將不只是國際醫療資訊標準的參與者，更有機會成為領先推動者，在全球智慧醫療的發展藍圖中占有一席之地。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
