口述／孫培然‧彙整／CIO編輯室
以事件驅動方式實現 AI 加速落地的概念，就像我們在 YouTube 上經常看到的「按讚、訂閱、分享、開啟小鈴鐺」的理念一樣。AI 應用系統的訂閱檢查報告一旦完成，系統將主動通知 AI 系統。同樣的原則適用於 AI 系統完成預測報告時，它也會主動通知 HIS 系統。這樣醫師便能夠即時獲取 AI 的預測分析結果，而不必手動觸發 AI 系統。所有資訊都能立即以通知的方式推送給醫師。
當醫療團隊尋求協同合作及整合時，HIS 的角色至關重要。唯有實現「標準化、智慧化、人性化」，才能有效推進人工智慧在醫療領域的應用。因此，未來的次世代數位醫療平台，無法由單一 HIS 廠商主宰，而應該建立一個開放標準的平台，海納百川以容納各方的需求和創新。這樣的平台才能實現醫療領域的多元發展。
ChatGPT 改變撰寫病歷的思維
以前的報告大部份是非結構化，所以過去為了要做 AI 及機器學習，必須要很辛苦的先把報告結構化，但醫師卻不用，因為以前打一個報告，非結構化只需要 5 分鐘，但結構化的報告卻要打 20 分鐘之久，醫師怎麼可能願意去用？
但有了 ChatGPT，我們應該要有另外一種思維，就是讓 ChatGPT 幫助醫師們，以自然語言的方式，撰寫非結構化的病歷記錄。醫師只要提供描述或問題，ChatGPT 便可以生成相應的病歷內容，同時透過 ChatGPT 的編輯和校對功能，幫助醫師們檢查和改進他們已經撰寫的病歷內容，包括語法、拼寫、術語等方面的錯誤，確保文法和用詞的正確性。
如果是針對結構化病歷，ChatGPT 一樣可以幫助醫師們填寫結構化的病歷表單或範本。醫師可以使用簡單的指令或提供的提示，讓 ChatGPT 生成符合特定格式的病歷記錄，ChatGPT 還可以檢查病歷中的結構化數據的一致性和合理性，幫助醫師們避免錯誤或遺漏，確保各個項目都被正確填寫。
擴大規模以滿足使用者無時無地的要求
再來就是要怎麼擴大規模，以滿足使用者在任何時間和地點的需求，如將任務自動化，以簡化使用者之間的互動和工作流程，實現更高效的營運。或是利用與關鍵指標相關的 AI 驅動洞察和分析，提升組織效率的機會。也可透過物聯網的連接設備，遠距監控病人醫療設備，實現預測性照護，主動告訴病人有哪些異常、哪些現象要趕快注意等。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
現在醫院的數位轉型就算先不做 AI，光是做儀器連線，讓全院醫療儀器聯網自動化就已經很值得了。所以要滿足不斷變化的使用者需求，要提供行動化、模組化、虛擬化、雲端化的系統架構，才能滿足不同使用者的變化需求。
行動化就是讓醫護人員可以 Any Device、Any Where、Any Tim、Any Run、Any Service 等來提供醫療照護，所以未來的 HIS 要開發成 Web Based 系統，任何裝置只要透過瀏覽器就能使用；模組化則是要用微服務架構，包括醫囑模組、檢查模組、通訊模組及掛號模組等等；虛擬化則是希望從實體主機進階到虛擬機器；最後做到雲端化，就是雲地混合的異地備援可以快速轉換。
以資料驅動價值創新
數位轉型則是可以優化我們的臨床及營運的洞察力，如讓系統具有可擴充性，來滿足不斷變化的使用者需求；整合性可提高使用者滿意度和忠誠度，以更好地理解使用者需求和期望；優化則是透過主動服務和資源優化來實現更好的使用者體驗和資源利用率；最後達到高效，也就是能在適當的時間提供適當的工具，增強員工能力。
以先前的例子，無論是五倍券發放或疫苗預約系統，它們未使用微服務架構，當需要處理大量用戶時，無法快速擴充系統，導致系統崩潰。反觀一些電子商務系統，在雙十一時遇到了高爆風量時為什麼可以扛過來，這要歸功於它們的微服務架構。這種架構具有分散性、高度靈活性、卓越的效能、可水平擴展性、自動縮容功能，並且支持多種技術。因此，未來的微服務架構絕對能夠滿足臨床需求的應用。
當數位轉型的目標是透過資料驅動的力量來營造全新的價值，我們就以下列情境來描述之：在醫院每天不斷產生記錄，如血袋的使用情況，這些記錄可被視為「資料」。經過資料的分析和處理，我們可以獲得更有意義的資訊，比如每一季使用的血袋數量，這就是所謂的「資訊」。進一步的分析可能揭示出有用的趨勢，例如在暑假和春節期間血袋的使用量較高，可能是因為更多人外出旅遊，增加了交通事故的風險，這就是「知識」的應用。擁有這樣的知識，我們可以用來指導人力資源分配和手術室排程等決策，實現更高層次的「智慧」。最終，透過事件驅動的自動提醒，形成一個數據中台引領醫療創新的「價值」。
以病人為中心的即時資料神經網絡
未來醫院將以病人為中心，建立一個即時的資料神經網絡，整合 HIS、AI、IoT、以及 Open Data 等相關資訊，以構建一個名為「數據中台」的概念，使醫師和護理人員能夠即時獲得最新的資料來輔助診斷和治療。
數據中台這一名詞首創於中國大陸，類似於古代兵法策略「兵馬未動，糧草先行」的概念，意味著確保資料的即時可用性。舉例來說，如果醫師需要查詢病人五年前的資料，傳統系統可能需要花費數分鐘才能提供資料，甚至可能因等待時間過長而導致系統崩潰（Time Out），這就是未能妥善實現「糧草先行」的結果。
[ 推薦閱讀：孫培然專欄所有文章 ]
當醫院的數據中台被妥善設置後，未來醫師在病人看診之前，系統將在前一天已經預備好所有必要的資料。醫師只需點擊查詢功能鍵，系統即會根據醫師需求提供相關資訊。這種運作方式來自不同的資料來源，包括批次處理（Batch）、事件驅動（Event Driven）、數據流（Stream）以及變更數據捕獲（Change Data Capture）等概念實現。
關鍵在於我們提供這樣的自助資料服務平台，能夠迅速部署資料至各個數據中台，為 AI、機器學習和深度學習提供即時資源，我們不僅實現了資料的即時性應用，更讓醫師能夠像智慧軍事一樣，在需要的時刻迅速取得所需資料，為醫療領域帶來了更高效的支援，為病人提供更即時、更精確的醫療照護。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
