家醫大平台整合資訊 健保資料加速 AI 應用
臺灣將於 2025 年邁入超高齡社會，老年人佔總人口比例逾 20%。為減緩醫療支出壓力，健保署規劃新台幣 4.5 億元預算建置「家醫大平台」，透過整合數位資訊與分級醫療，打造臺灣專屬的疾病風險預測模型，及早介入打造解方。
採訪／林振輝、施鑫澤 文／鄭宜芬·刊期／2024.09
預防醫學逐年受重視，健保署推動數位醫療解決方案，透過分級醫療與整合數位資訊，改變醫療院所與民眾就醫模式，進行數位轉型的同時帶動科技產業鏈發展。
衛生福利部中央健康保險署署長石崇良表示，為達到總統賴清德宣示的 8 年「888 計畫」，將資源或執行重點放在疾病前期，及早發現風險並介入治療，才是真正能減少醫療支出的最佳解方。
健保署將家醫計畫升級為「大家醫計畫」，今年（2024 年）起以家醫計畫為基礎，與糖尿病、初期慢性腎臟病等慢性病照護方案整合，今年收案人數約 627 萬人。並自 8 月起將醫院也納入家醫體系，啟動「地區醫院全人全社區照護計畫」，半年預算規模達 3.5 億元。
此計畫透過「家醫大平台」整合民眾的健保資料、穿戴式裝置生理資料和生活型態資料，導入數位照顧模式，以利醫事人員客製化病人照護計畫，讓病人強化自我照顧能力，來擴大服務涵蓋率，進而改善健康狀態。平台預計今年底前完工，之後還會逐漸最佳化。
家醫大平台 三階段功能
一、資料歸戶
如何讓疾病初期的照護變得更好，首要之務是整合資訊與服務。石崇良表示，家醫大平台的第一步是個人歸戶。健保署將與疾管署、國健署整合，將民眾就醫健保資料、慢性病管理、成人健檢、自費檢查、疫苗施打、癌症篩檢、BC 肝篩檢等項目進行資料整合，未來更進一步規劃升級家庭歸戶，「從個人歸戶、資料歸戶，最後做到真正的家庭醫師的概念、家庭的概念，就是全家歸戶。」
二、資料互動
歸戶後的資料將回饋給個人使用，透過「健康存摺」將數字做視覺化呈現，讓民眾掌握健康狀況更有感；同時，資料也透過雲端藥歷提供給醫療端使用，無論大醫院或是小診所，醫師都能查閱病人的所有疾病與就醫資料，宛如「病歷帶著走」，不再受限地域限制。
三、加值服務
由於三高造成近 20% 的臺灣民眾疾病負荷。健保署運用其健康資料管理優勢，結合國家衛生研究院之研究量能，借助 Google Cloud 的雲端算力資源、AI 工具和資料處理工具等，啟動慢性病風險管理「AI 醫療照護研究計畫」，共同打造臺灣專屬的疾病風險預測模型。
計畫初期優先試行糖尿病管理，運用人工智慧建構疾病風險分級及預測模型，結合大家醫計畫，以創新模式建構以民眾為中心的整合式全人健康照護，並立基此研究成果，逐步擴展至三高風險預測，目標降低整體臺灣疾病負擔。疾病風險分級之後，還可進入大家醫計畫的個案管理，依照風險分級給予收案費、個案管理費、風險降低的獎勵回饋金等。改善國人病程惡化狀況，等於間接幫健保省下治療費用。
混和雲模式 宛如 Digital Twin
家醫大平台展開為期四年的計畫，納入醫院體系後如何建立互動模式？石崇良透露目前已經開始設計，明年（2025 年）會有多種示範，讓診所的次世代醫療系統（HIS）雲端化，以利跟家醫大平台雲端對接，交換資料。未來無論民眾到哪裡就醫，資料庫皆可更新，健保資料也可下載傳送回醫院端 HIS 系統，讓醫師免於耗時進入健保資料庫查詢。而家醫大平台的資料也能傳到其他醫療院所的雲端平台，省卻地端電腦更新的麻煩。
健保大資料庫基本架構是私有雲，存放國人從出生以來的所有檢驗或就醫資料；家醫大平台則是另外一個子系統的運用端，獨立建置與健保大資料庫隔開，宛如前端的處理人或中台，可形容是 Digital Twin，主要存放近半年的新資料，便於快速使用。若需要詳細的資料時，再到健保大資料庫調出完整的資料即可。此模式將私有雲與公有雲整合在一起，讓同一個 API 可以對接，分區存放以提升使用效率。
次世代 HIS 整合醫療院所資料
資訊整合是醫院發展智慧醫療的基礎，面對全臺醫療院所 HIS 版本各異的現象，衛福部推動次世代 HIS 計畫，其架構主要有三層概念，底下是各院自己的 HIS 架構，中間是共通層（common layer），最上面是應用層（Application layer）。
石崇良表示，此系統起初規劃由健保署推動，由於診所的資訊相對醫院落後，但也相對單純，較少提供住院與施行手術，大多僅是門診功能，使用的藥品品項也相對少很多。而民眾到診所就醫的人數居多，比例超過一半，且各家診所的樣態與差異性不大，主要的是三種作業系統：西醫、牙醫與中醫，架構共通性高，容易執行，因此先從全臺 2 萬家診所做起。
相較之下，全臺醫院雖僅 400 多家，但複雜性跟層次落差大，有科別齊全的醫學中心，也有精神科等特定專科醫院，IT 部門能力落差頗大，導致規格統一的難度也提高。因此，最後決定由衛福部資訊處推動。
對於 IT 團隊能力強的醫學中心，政府僅須訂定 FHIR（國際醫療資料交換標準）標準要求，各院即可配合執行；能力中等的區域醫院有自己的資訊團隊，但還需要一些政府的協助，由輔導團隊指導後即能建構；地區醫院則沒有專責的資訊人才，通常是外包給廠商。為應對這樣的落差，衛福部的策略是先協助能力中等的部立醫院建立模板，釋出後讓能力較弱的醫院對接 SaaS，待所有醫院都上雲便有助於減低成本。另健保署也規劃協助診所建置雲端 HIS，協助基層院所由地端系統升級為雲端，強化資訊系統韌性。
國際趨勢 FHIR 建構醫院資料格式新標準
然而，即使各家醫院的申報檔、檢驗檔等所有檔案都上傳到健保資料庫，若格式不統一，使用起來容易綁手綁腳。且同一個檢驗項目，各家醫院採用的單位或名稱也可能不同，例如驗血糖時有的稱空腹血糖，有的叫 AC 血糖，也會影響作業流程。
為接軌國際趨勢，衛福部 2022 年將電子病歷交換中心由 EEC（電子病歷）改為 FHIR交換平台，改善健保署、國健署、疾管署、地方衛生所等政府單位與醫院系統彼此不相通的困境，改善醫療資訊的互通性和互操作性，直接導入 FHIR 快速整合。
[ 推薦閱讀：【專訪】台中榮民總醫院院長陳適安 ]
健保資料加值 加速 AI 應用
健保自 1995 年開辦迄今累積近 30 年就醫申報資料，包括結構化資料超過 800 億筆，影像資料超過 70 億筆，為重要且深具價值之巨量資料庫 ，為發展醫療巨量資料 AI 應用之最佳基礎，許多學者或科技業供應商期盼利用資料庫進行分析研究，達到數位治理目標。然而，僅靠去識別化仍不夠，要如何活用資料同時保有安全與隱私呢？
石崇良表示，健保資料庫分為三大類，第一類是申報資料，包括病人做了哪些檢查、治療或手術；第二類是影像資料；第三類是檢驗報告資料。以往最常運用的是申報資料，主要用於計算醫療資源耗用情形，近年有影像資料後，促進 AI 醫療發展，例如宏碁智醫聯手臺大醫院合作開發「VeriSee AMD」眼科 AI 篩檢軟體、聯手臺中榮民總醫院合作的「VeriOsteo OP」智骨篩，皆已成功取得 TFDA 許可證，還有臺大醫院今年（2024 年）發表世界首創的「胰臟癌人工智慧 CT 診斷輔助系統」皆有所成就。健保署樂於分享健保資料庫以利業界研發，而且不須連結其他的個資，對個人隱私的侵犯較少。
但使用健保資料庫也有其挑戰性，也就是只用健保的資料還不足以做到很好的研究或研發，例如想要研究特定基因族群罹病的風險，就須要串檔，如癌症登記檔、死亡檔、戶籍資料等，還要串接交叉分析，此時個資面臨侵犯或外洩的風險就提高了。
醫藥領域的數位轉型如何保護病人資料的使用極為敏感與重要，衛福部擬定獨立專法「衛生福利資料管理條例」，規範哪些權限使用者可以串檔、如何執行才安全；或是民眾若有疑慮，皆可以查詢甚至退出，健保署都會予以協助，預計 9 月會期進行立法，明年（2025年） 8 月上路。
AI 應用首重一體適用性與節省成本
除了應對超高齡化社會，醫療缺工也是急需解決的問題。近年臺灣發展智慧醫療應用多，其中生成式 AI 有助減低醫療人力成本支出。石崇良建議，醫院若有能力發展 AI，可優先用於改善服務、作業程序與診療品質。
他同時提醒，發展 AI 後能否成為商業模式、被別人所運用，以及將系統搬給別人使用的時候，也需要留意差異。例如，醫院推動 AI 的目標為何？若是對院內用於改善項目，需考慮成本效益，是要自己投入研發還是購入別人的產品；若是自己研發後欲商業化釋出給別人用，從中技轉或者收取服務費，那麼在發展 AI 的時候，從資料的格式與驗證的時候，就必須考量到其他醫院的差異性，如此才有利於各家使用。
另外，醫療院所發展 AI 也須注意健保有條件給付，第一個是「多少人可以用？」；第二個是「改善的是效率還是臨床結果？」，若是節省醫院本身的營運成本，較不適合由健保來付，但若能節省醫療支出的成本，健保就可以考慮給付，予以鼓勵。
臺灣發展智慧醫療有所成就，健保署 2023 年與美國醫療資訊暨管理系統協會（HIMSS）簽署 MOU，目標改善醫事人員工作流程、病人就醫經驗或病人旅程、醫院經營管理等。石崇良建議，醫院若欲發展智慧醫療，應參考國際標準，以期達標。
發展智慧醫療跟國際接軌的另一重點，是評估能否解決現有的醫療困境，例如護理人員工作負荷大、薪水與付出不成比例，導致護理缺工現象難解。若醫院導入智慧服務能讓護理人員的負擔降低，羅致人才便會更容易，值得發展智慧醫療，不僅有立刻的回饋，也是優先導入的著力點。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
