AI 輔助病歷書寫上線 回歸與病人互動本質
考量到現今醫師要花近 40% 時間在病歷處理上，臺中榮民總醫院為讓醫療回歸「與病人互動」的本質，在符合臺灣「醫療法」、「個人資料保護法」等規範前提下，決定啟動 AI 輔助病歷書寫專案，期盼可解決此長期痛點。
採訪／施鑫澤‧文／林裕洋
在現代醫療體系的運作框架中，病歷記錄不僅是診療過程的書面紀實，更是保障病人安全、優化臨床溝通與確保醫療合規性的核心支柱。臺灣發展電子病歷多年，向來非常注重病歷撰寫工作，只是繁重記錄工作也成為耗費醫師精力的巨大挑戰。如當病患入院時，住院醫師往往需要紀錄病患的每日病程記錄、每週摘要、術前與手術記錄、侵入性檢查等等，不僅工作極為繁瑣，亦極為耗時。
根據臺中榮民總醫院（簡稱中榮）的內部統計資料顯示，第一線住院醫師書寫一份住院摘要時、每週摘要、出院摘要時，往往都需要 10~15 分鐘，若病人住院時間長、資料複雜時，便需要更多時間整理。此外，數據顯示 2021 年德國知名大學醫學中心公布研究報告指出，醫師約有 37.1% 工作時間花費在處理醫療記錄上，包括檢索、閱讀與撰寫等等。因為醫師在診斷病患病情、撰寫病歷時，往往需要參考過往的門住急病歷、用藥記錄、影像檢查等資訊，才能藉由建立完整病史，建立一套輔助診斷與治療計劃制定。
臺中榮民總醫院耳鼻喉科醫師梁凱莉指出，當醫師要花近四成時間在病歷處理上時，這不僅會影響到對病患的診療服務，更是對行政與組織效率的極大挑戰。為釋放醫師的人力，讓醫療回歸「與病人互動」的本質，在符合臺灣「醫療法」、「個人資料保護法」等規範前提下，中榮智慧醫療委員會決定啟動 AI 輔助病歷書寫專案，期盼可解決此長期痛點。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
從週記病歷著手 進行概念驗證
由於臺灣推動電子病歷甚早，多年前中榮原本便有將大量病歷資訊整合的想法。由於早期電子病歷格式並未嚴格規範，也沒有相關工具輔助，都是由醫師依照習慣方式撰寫，可能融合專業術語與口語的資訊，所以中榮目標是將數千份報告（Free text）轉化為可分析的大數據。此專案在早期數位工具不足的狀況下，只能仰賴人工進行初步整理，是項極為艱鉅的工作。
近幾年在大語言模型與生成式 AI 技術日益成熟下，中榮也意識到 AI 不僅能整理資料，更能主動擬定病歷初稿。為此，該院特別成立跨領域小組的專案團隊，初期一位臨床醫師（耳鼻喉科梁凱莉醫師）、一位數位醫學部的工程師，以及一位病歷組專員等三位核心成員。
此種模式即是臨床端提出需求，技術端提供解法，病歷組則確保法規合規與品質監管。
梁凱莉表示，在專案推動過程中，專案團隊採用「倒推法」方式，從資料量最少、邏輯最簡單的題型開始嘗試，以便能在最短時間內進行概念驗證。我們選擇只需重整七天內資訊的「週記」病歷，避開資料量龐大且分散的住院摘要。此種策略讓專案能在資源有限的情況下快速獲得初步成果，並逐步增加難度。
[ 推薦閱讀：不只是附帶條款！臺中榮總落實 SSDLC，讓「安全」成為智慧醫院的 DNA ]
引進落地大語言模型 兼顧資安與法規
全球政府對醫療資料隱私保護向來非常重視，如臺灣制定非常嚴謹的醫療相關法規，特別是與對與病人資料隱私相關的法律，例如「醫療法」與「個人資料保護法」等，對於醫療人員如何儲存、處理和傳輸病患資料等均有非常嚴格要求。儘管臺灣並沒有強制規定醫療 AI 使用單位的資料中心必須位於內部，但為確保資料不出院，雖然雲端平台上的 AI 模型能力強大，但最終中榮決定在地端部署大語言模型，兼顧資安與法規。
市面上開源大語言模型不少，如 Llama 3.1-70B、Gemma 2:9b、Llama 3.1- 8B、Llama 3-Taiwan-7B、ccpl17-Liama-3-Taiwan_Q8_0、mistral 24b 等，每個模型均有其優點與缺點。專案團隊在選擇模型方面採用「模型測試」、「選擇考量」、「模型選擇」、「模型調整」等四大步驟。考量到專案初期醫院的 AI 算力有限，在衡量使用者可容忍的延遲下，初期決定使用先採用 NVIDIA NIM 微服務提供的 meta╱lLlama3.1-8B-instruct 進行開發，並持續測試 Llama 3.1-70B、gemma 3-27B、Llama 3.3-70B 等模型。
隨著中榮持續擴大 AI 算力，2026 年團隊決定逐步轉向更中型的模型，如 gpt-oss-20b 。由於模型大小、特性等與 AI 病歷產出結果息息相關，專案團隊會根據產出內容與醫師回饋，持續進行滾動式調整。
「專案最耗時部分並非模型訓練，而是資料清洗與整併，在導入 AI 之前，只能仰賴人力處理資料」梁凱莉解釋：「由於醫療資料散落在門診、急診、住院、用藥、影像等多個系統，且各院內代碼不一，所以光是將這些資料「打通」並標準化，即耗費極大人力成本。」
[ 推薦閱讀：中榮善用資料，邁向智慧治理 ]
引進 PDQI-9 機制 品質與驗證能力均提升
儘管推動 AI 輔助撰寫電子病歷確實有助於減輕醫師的工作負擔，但是若產出病歷品質不佳，反而可能造成醫師後續花費更多時間修正的困擾。專案團隊為能夠以更科學方式評估 AI 產出品質，團隊引入國際公認的 PDQI-9（Physician Documentation Quality Instrument）病歷品質評核量表。
該量表涵蓋九個面向，如資料的更新程度（Up-to-date）、準確性（Accurate）、完整性（Thorough）、 有用性（Useful）、簡潔性（Succinct）、結構性（Organized）、可讀性（Comprehensible）、整合性（Synthesized ）、一致性（Internally consistent）等，並且從 1~5 分進行評分。
專案團隊邀請五位資深醫師進行「雙盲評分」，首先在「週記與出院摘要中」，AI 產出品質與醫師親自書寫的版本在統計上無顯著差異。其次，在住院摘要中，醫師撰寫品質仍然高出一籌，顯示複雜的病史整理仍需高度的人類判斷。然而 AI 作為輔助病歷轉寫部分，在減少錯字、改善文法方面表現出色，這對於非母語為英文的臺灣醫師來說極具幫助。
梁凱莉指出，在扮演協助撰寫的角色之外，AI 助手也被應用於「病歷品質審查」。過去醫院通常採取醫師互相抽查病歷的做法，不僅極其耗時且缺乏標準一致性。在本次專案中研究發現，LLM 評分結果位於醫師評分的中間值，且與醫師無顯著差異，顯示其具備輔助行政審查、減少醫師負擔的潛力。
三項 AI 輔助病歷落地 改善臨床流程
截至目前為止，目前 AI 輔助撰寫電子病歷專案已實現三種主要病歷類型的自動生成。首先是七日週記（Weekly Summary）於 2025 年 3 月率先落地。系統會擷取當次住院期間的所有 Progress Note（每次取七天資料），產出長短兩種版本的摘要供醫師選擇。
其次，出院摘要於 2025 年 4 月落地，系統參考當次住院的所有檢驗、手術、醫囑與會診回覆，提供醫師參考。最後，住院摘要也於 2025 年 5 月落地應用，系統需回溯病人在入院前三個月的所有舊門住急病歷、用藥記錄及影像報告，幫助醫師在病人入院當日快速掌握病史。此應用也是三種電子病歷轉寫中，最具挑戰性部分，其所帶來效益也可望最大。
「為不干擾現有的 HIS 流程，資訊室在病歷系統中加入了「AI 推薦」按鈕。醫師點擊後會彈出 AI 生成的初稿，醫師可選擇「Copy」後進入編輯介面進行修改。」梁凱莉強調：「LLM 僅為輔助工具，當協助醫生擬定病歷初稿之後，不能直接帶入病歷，僅供參考用途。醫師必須審視初稿、手動編修並最終確認存檔，對病歷內容全權負責。」
[ 推薦閱讀：遠距醫療成績亮眼，中榮成醫療典範 ]
外科使用率高 內科注重細節
臺灣醫療品質深受國際肯定，臺灣醫師醫學專業亦深受好評，只是病歷需以英文撰寫，由於並非母語，常會遇到縮寫使用不當或語法錯漏字的問題 。現今改用 AI 輔助撰寫電子病歷之後，不光能整理資料，更能協助醫師進行病歷的「Edit（編輯）」與語法修正，解決非母語書寫的門檻。
正因如此，自 2025 年 5 月 AI 輔助撰寫電子病歷專案全面上線以來，系統已累積超過一萬次點擊，多數醫師對此系統都非常感興趣。根據團隊深入調查發現，不同科別醫師對 AI 輔助撰寫電子病歷專案接受度有明顯差異，外科系醫師使用頻率較高，可能與追求效率、希望縮短文書時間的性格有關。內科醫師則更注重細節，對於 AI 產出是否漏掉微小資訊仍存有顧慮。
梁凱莉表示，我們在設計病歷生成的 Prompt 時，並非一次性完成，而是根據「產出內容」、「醫師回饋」及「長官建議」進行滾動式修訂，就是希望能符合醫師的真正習慣。
而針對出院摘要、每週摘要等，則分別建立了 Initial Prompt 並進行持續修訂，以確保符合臨床邏輯，也吸引更多醫生使用。未來我們也會規劃「短影片」「短視頻」等行銷方式，展示 AI 使用前後的對比，來提升醫師的接受度。我們希望透過回饋迴圈的方式，持續蒐集用戶意見並進行功能優化，讓 AI 輔助撰寫電子病歷專案更符合實務需求。
[ 推薦閱讀：結合 Edge AI 中榮智慧醫院推進長期運作 ]
未來展望與延伸專案
隨著 AI 輔助撰寫電子病歷專案效益逐漸浮現，專案團隊也從現行的電子病歷文本處理，投入結合 「影像 + 病歷」 推論模型的研發工作。由於梁凱莉本身是耳鼻喉專科醫師，所以針對「牙源性鼻竇炎」進行研究，期盼借助 AI 同時分析放射線影像與病史，提醒非專科醫師注意牙齒問題，避免發生延誤治療的憾事。
此外，考量到癌症病人病程泰半長達年以上，長期累積下來的資料量極其驚人，專案團隊計畫利用大語言模型整理 5 年甚至更長期的病歷資訊與相關檢查資料。藉此幫助醫師分析預後不佳的原因，如治療不足或治療方式改善，這對於癌症團隊學術研究與臨床檢討極具價值。
梁凱莉說，面對健保署要求的癌藥、電子處方箋、癌症基因、重大傷病等四大單張上傳，醫院也計畫逐步將既有電子病歷格式轉化為 FHIR 標準格式，以符合國家政策並推動醫院間的資料互通。
專案推動至今，我們認為隨著大語言模型技術日益精進，AI 輔助病歷撰寫將從「最好能有（Nice to have）」轉變為「臨床必備（Must to have）」，可望開啟智慧醫療的新篇章。
從中榮推動 AI 輔助撰寫電子病歷專案的歷程證明，大語言模型在醫療場域成功關鍵非全部取決於技術能力高低，而是對臨床痛點的深刻理解與對資料安全的嚴謹堅持。專案團隊之初從早期資料結構化的工作，到在地端部署大語言模型、PDQI-9 的嚴格品質驗證等等，雖然過程花費非常多的時間，但是成果卻也非常豐碩。此專案證明，AI 產出能釋放醫師的精力，專注於「做更多真正與病人互動的事」，讓寶貴醫療人力獲得更妥善運用，堪為其他醫院推動 AI 專案的參考。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
