新光醫院推動數位轉型分成三大階段，2017 ～ 2021 年屬於數位化、2021 ～ 2022 年屬於數位優化，2022 年啟動至今的重點為營運再造。
採訪／施鑫澤·文／林裕洋·刊期／2024.07
隨著全球人口老化且向都市集中，世界各國都面臨醫療資源的不足與分配不均等挑戰，因此正加速推動融合資通訊科技的智慧醫療，成為讓國民享有更好醫療服務的解方。在此趨勢之下，帶動全球醫療產業推動數位轉型的浪潮，期盼藉此解決醫護人員人力不足等問題，進而提高整體醫療照護過程的品質與效益。
身為北台灣最重要醫學中心之一的新光醫院，因應各種創新資訊快速發展，對外展示運用先進網路推動遠距醫療，結合大數據與 AI 等資通訊科技，打造更優質的病人服務的決心，特設智慧醫療推動委員會及資訊安全推動小組。智慧醫療推動委員會任務為「配合智慧醫療政策推動及發展方向制定醫院決策相關事項」、「醫療資訊創新運用業務開發相關事項」、「醫療營運系統功能開發及維護相關事項」、「資訊安全維護相關事項」、「持續推動全院無紙化相關事宜」等，期盼藉此創造醫院更多、更優質的競爭力，以提升醫療服務的效率與品質。
新光醫院行政副院長暨台灣醫務管理學會理事長洪子仁說，過去 10 年來，隨著 AI 等各種創新資通訊科技問世，智慧醫療發展速度用一日千里來形容。特別是 2022 年底 ChatGPT 問世之後，大家見識到生成式 AI 強大能力之後，當與醫療場域結合之後可望帶來根本性的結構改變。無論是醫療品質、民眾就醫品質，乃至於病患住院體驗等，都會有長足的進步等，可望成為發展智慧醫療不可或缺的重要技術。
三階段啟動數位轉型 打造優質醫療環境
秉持著以病人為中心、以優質醫療回饋社會等營運宗旨的新光醫院，致力實踐永續經營與環境保護的理念，期望建立一個現代化、高效率和人性化的醫療環境，打造出次世代的綠色醫院。面對 AI 等創新科技湧現，新光醫院在邁向全方位智慧醫院的前提下，2017 年啟動涵蓋兼顧數位與綠能的雙軸轉型計畫，期盼達成「數位化醫療資訊 安全的資訊共享」、「優化醫療流程 提高醫療效率」、「結合雲端和遠距 強化預防醫學」、「優化病人體驗 提升服務滿意度」、「強化品質安全 實現精準醫療等目標」。
新光醫院推動數位轉型分成三大階段，第一階段從 2017～2021 年，屬於數位化，重點在奠定數位轉型基礎。第二階段從 2021～2022 年，屬於數位優化，重點在顧客體驗、營運卓越。第三階段從 2022年啟動至今進入數位轉型，重點在營運再造。
[ 熱門精選：【專訪】衛福部資訊處長李建璋 ]
洪子仁指出，前面提到，新光醫院推動數位轉型涵蓋數位與綠能等兩大重點，數位部分則是放在資訊系統轉置，至於綠能永續經營部分則是打造綠色機房。如同多數大型醫院，新光醫院創立之初即使用大型主機系統至今，只是在各種創新科技湧現下，此系統已無法應付實務上的臨床需求，加上系統流程仰賴傳統紙本作業，亦不符合時代潮流等等問題，難以滿足醫院長期營運需求，因此勢必需要推動資訊轉置工作。其次，過往針對大型主機設計機房也逐漸老舊，所以我們新光醫院希望趁著將大型主機轉換到 x86 伺服器時，亦同步打造節能的綠色機房，讓醫院能朝向永續綠能發展。
HIS 系統再造 以 x86 取代大型主機
新光醫院使用大型主機系統長達 28 年，累積的資料量、應用服務等數量相當可觀，所以在決定啟動資訊核心系統轉置專案時，亦成立「資訊轉置督導委員會」負責執行資訊轉置相關問題的決策。
在專案團隊與協力廠商協助下，新光醫院從封閉式大型主機系統完全轉換為開放式系統， 包括 HIS（核心醫療資訊系統）、NIS（護理資訊系統）、MIS（管理資訊系統）、指標及報表系統、HRM（人力資訊系統）等 20 多個核心系統一次性全部轉換。以 HIS 為例，即整合 93 項外部介接，43 個功能模組、2,936 個功能項目、33,587 個工作項目、超過 600 萬程式碼、1,373 個資料表，投入 48 個月，全轉置範圍開發人力投入包含廠商超過 330 人以上，並針對累積 28年的資料進行梳理，數億筆資訊一次性完成遷移。
[ 推薦文章：HIS優化再造工法 就像都市更新計畫 ]
資訊核心系統轉置專案完成之後，2021 年 1 月 1 日新光醫院全面推動電子化病歷，所有初診病人不製作紙本病歷，2021 年初診病人計 63,394 人；門診、急診、住院病歷表單大多電子化。在病歷無紙化及電子病歷部分，不僅順利提升病歷書寫及查閱品質，病歷資料結構化有利於未來資訊分析與運用。而全新啟用的智能化數位護理資訊系統，則透過自動化機制取代護理師原本手動上傳作業，如患者入院評估及相關檢測，可以自動化導入紀錄系統。
「新系統正式上線之後，不僅讓我們具備接軌最新資訊科技的能力，帶來效益也非常可觀。以護理作業排程化為例，護理人員加班時數平均每月減少約 200 小時，使其能夠更專注於患者照護。」洪子仁解釋：「若進一步計算電子醫囑、護理作業系統、電子病歷、智慧排班系統等系統，上線前後的差異，每月平均節省 1,700 個工作天，整體效益非常可觀。」值得一提，新光醫院與北市聯醫陽明院區也首創跨院運用 FHIR 病歷交換，實現下轉病人治療無縫接軌，即時病歷交換提升照護品質的目標。
推出新冠友善通訊門診 提供視訊看診服務
在推動數位優化期間，恰逢 2019 年底 COVID-19疫情大爆發，人類生活及行為習慣產生了明顯的改變，因此新光醫院也將防疫重點融入轉型規劃之中。如透過建置「全自動智能檢驗室」，引進 4 套自動智能報到機與公播螢幕；外抽血區設置兩個多功能可升降櫃台，內區設有 6 個抽血櫃台，兩區共安裝 4 座 BD 雙出口之自動備管系統及檢體自動傳輸軌道與天空步道，讓檢體自動傳送至實驗區。
洪子仁指出，在 COVID-19 疫情大爆發期間，我們推出新冠友善通訊門診、新冠孕婦友善通訊門診等服務，讓快篩陽確診民眾可以透過視訊看診，同時保障醫護人員與其他就診病患的安全。
打造綠色機房 實現永續願景
早在 2014 年設立能源管理委員會，並下設獨立的能源稽查小組、成立能源管理執行團隊，負責各項能源耗用監控與節能活動執行，目的在於提升醫院的能源使用效率，進而朝向永續的綠色醫院邁進。在此理念下，2017 年新光醫院推動資訊轉置專案時，也分三階段實現綠色機房的目標。
首先以 x86 伺服器取代高耗能大型主機，並透過主機虛擬化機制提高資訊設備使用效率，減少實體設備的數量。其次，則是採購高效節能伺服器，藉此達到節省電力消耗、提升資訊服務效能。根據醫院內部統計資料顯示，HIS Web 平均回應時間提升近 70%、PACS Html 最長回應時間提升近 95% 。至於綠色機房部分，則是成本、專業知識、運營風險、伸縮性、時間、資安、永續等角度進行規劃，因此第三階段採用水冷空調冷卻系統，比起傳統氣冷設備省下 50% 電力支出，並獲得 APIGBA（亞太地區智慧綠建築聯盟）設計類鉑金首獎肯定。
[ 加入 CIO Taiwan 官方 LINE 與 Facebook ，與全球 CIO 同步獲取精華見解 ]
「過往新光醫院資料中心屬於傳統機房，PUE 值約為 2.1，目前則是大幅下降到 PUE 值為 1.47，屬於現代化的綠色機房。相較於過往，新機房每個月節電約達 8,000 度，節電數字達到 50%。」洪子仁解釋：「隨著新世代綠色機房正式啟用，我們也利用舊機房的 50 坪空間，建置國際泌尿科整合中心，擴大新光醫院的服務範疇。」
全方位推動 AI 擘畫智慧醫療願景
在發展智慧醫療過程中，2020 年 1 月新光醫院成立人工智慧研究中心，並與輔仁大學商學院、華碩電腦公司 AICS、 DeepQ、TriNetX、陽明交通大學合作，利用健保資料庫及醫院累積之臨床資料庫／影像資料，研究開發影像鑑別、疾病早篩、臨床預警、輔助醫療決策、電子病歷智能搜尋等系統，以更人性化、準確之技術平台，解決臨床醫師問題，並增進病人服務品質。目前新光醫院落地的 AI 專案，有 AI 標註乳房影像、AI 判讀氣胸並主動通報、愛腎小幫手-對話機器人、NLP 病歷高風險彙總等。
其中，AI 標註乳房影像是利用 AI 技術判讀乳房超音波影像，並針對有疑慮部分進行標注，協助醫生進行判讀。AI 判讀氣胸也是類似運用模式，助醫生提早判別可能的病症。至於愛腎小幫手，連結病患在新光醫院的就醫資訊，可隨時隨地依據病患最新個人狀況提供相應的對話流程，輔助腎臟病友運用 AI 智能機器人問答獲得照護之參考。此項功能，可協助病患釐清自己的問題，並提供相對應的衛教服務，讓病患的生活品質得以提升。
洪子仁說，過往新光醫院電子病歷分類方式採用傳統機制，分成檢驗報告、檢查報告、評估單等，醫師及臨床人員在搜尋與病患相關資料時，不僅要花費許多時間，也不容易找到病患完整資訊。當我們利用自然語言處理（NLP）來將去識別化的出院病摘進行高風險分類，可協助醫師及臨床人員透過 AI Label 標籤從過往病歷中快速了解就診病患的病史，並找出此病患的高風險病歷，協助醫師快速掌握病情。
引進 ChatGPT 服務 提升手術安全性
在前述 AI 應用之外，新光醫院也運用 ChatGPT的功能，透過分析大量的病人術前檢查資料，建立麻醉高風險及手術前安全的資料，讓醫療團隊可以提前識別和處理可能導致手術併發症的風險因素。除此之外，該系統也能在麻醉醫師在評估時，提供更快速和準確的病人資訊，有助於提前發現可能導致手術取消或中斷的風險，提升病人手術的安全性。
[ 熱門精選：網路攻擊加增！資安長角色急轉彎！如何樹立一個強大合規文化？ ]
目前 ChatGPT 運用於手術前安全評估事項共有 8大類，分別是是否完成手術同意書簽署、是否完成麻醉同意書簽署、是否完成心電圖（EKG）檢查、是否完成胸部X光（CXR）檢查、是否完成手術部位標示、是否有相關的管路紀錄、是否有備血、是否有測量術前生命徵象。
洪子仁指出，我們也將 ChatGPT 運用於手術風險事項確認，如抗凝血劑使用、近三個月內的心導管檢查等 15 項。截至目前為止 ChatGPT 用於術前評估初期推動使用量約有 1,760 位病人，風險標記數達到 14,650，摘要數達到 6,000。在成效部分，高風險個案事後檢驗有高達 99% 標出風險，而醫師檢視病歷時間也從 10～20 分鐘大幅縮短到 1～2分鐘，整體表現令人相當滿意。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
