合作廠商：高雄醫學大學附設高醫岡山醫院
計畫名稱：運用人工智慧實現病例主述結構化與看診科別推薦
計畫期程：2023/11/01~2024/10/31
計畫說明：
病歷紀錄是在民眾前往醫院所接受醫療服務時，醫院所紀錄的診療資料。這不僅包含了疾病診斷和用藥資訊，也詳細記錄了病人的過往病史、生理數值、健康狀態、飲食與生活習慣等重要信息。傳統上，病歷紀錄是以紙本形式手寫完成，這種方式對許多醫師而言或許直覺且便捷。然而它亦存在諸多不便，比如資料難以檢索、保存不易、耗費存儲空間以及手寫的潦草可能導致資料難以識別。隨著電腦日益普及，電子化病歷逐漸成為醫療機構優先推進的項目之一。衛生福利部亦持續推動病歷的全面電子化，並建立了交換標準，保證病歷在不同醫療機構以及與中央主管單位之間能交換時，都遵循一致的格式。
此時病歷雖然已經達成電子化，但是在病歷書寫的內容上，仍多數醫師以自由登打（FreeTyping）的方式記錄，但這種類型的儲存資訊，除了造成每位醫師的書寫方式皆不相同，同時也無法提供後續臨床研究等分析統計需求，故後續醫療院所又開始推動病歷結構化，以利未來醫療數據資料能進行二次應用。
本案運用大型文本生成模型（Text Generator LLM）來建置一個聊天機器人平台，同時採用了最先進的自然語言處理技術以模擬人類對話，讓病人在就醫前能先與醫療互動機器人進行交談。接下來透過人工智慧模型對病人的主訴進行初步分析，並將所述內容轉化成結構化的病歷資料。這樣當醫師問診時，便能直接參考病人的自述主訴，從而減少鍵入相關資訊所需花費的時間。這不僅加快了撰寫主述（Subjective）的速度，也增加了醫師與病人之間互動及對話的時間，從而提升了病人就醫時的品質及滿意度。同時在實現主述內容結構化的過程中，系統能根據病人的主述，提供相應的建議掛號科別。這對於不確定應該掛哪個專科的病人而言，可減少因掛錯科別而必須重新掛號的情形，進而縮短病人等待看診所需的時間。
資通訊技術
合作醫院：彰化基督教醫院
計畫名稱：全面性的失智症處置:從轉譯醫學到創新照護－全人與持續的失智症共照中心與照護系統（子計畫二）
計畫期程：2022/01/01～2025/12/31
計畫說明：針對於高齡化社會帶來的失智症盛行率上升，為給予失智症患者全人、全程的照護處置，彰化基督教醫院失智症共照中心團隊與高雄醫學大學，協同高雄科技大學電機工程系，承接國家衛生研究院失智症創新計畫，透過資通訊技術，建構從醫療到社區單位的連續性失智醫療照護體系，研發並導入雲端護照 App 軟體，創建失智症個案管理系統，以創新智慧科技增加失智照護服務量能，延緩失智者退化及失能，有效降低照護成本。
|
圖 1 系統登入介面
|
圖 2 九大評估頁面
|
本計畫所開發之失智症照護系統，分為醫護端、病患端與照護端，內容架構參考美國神經學學會建議的臨床失智症照護內容，設計其醫療評估指標（參考圖1 與 圖2），並針對失智症患者及照護者訂製照顧問題，由失智症共同照護中心專業團隊人員提供據實醫學證據之失智症照護建議，照護者只需登入失智症雲端照護系統，便有相關圖示提示照護者如：資料更新、醫療端個別化衛教內容等，讓照護者了解個案目前現有問題及病程走向。針對末期失智症照顧家庭則提供安寧照護服務陪伴家屬在個案的最後旅程裡能夠有尊嚴的離開，此外，系統也提供個案管理師依據個案現有的功能，提供適合的個人化認知治療衛教計畫，並在社會資源評估頁面中設計查詢功能，提供家屬即時查詢住家附近的失智服務據點、日間照護中心等，讓家屬能時間安排個案參與活動。此外，系統中也有個案於失智服務據點內的活動紀錄，讓照護者了解個案參與據點時的情形，並建立了即時互動平台，讓醫護端能與照護端或個案端進行即時溝通。
由本系所研發之系統，經由合作廠商耀睿科技股份有限公司所提供的OWASP（Open Web Application Security Project）資安檢測工具檢測通過，目前已將研發之技術移轉於哈瑪星科技股份有限公司持續進行系統更新與伺服器維護。
合作團隊：高雄醫學大學附設中和紀念醫院
計畫名稱：以生成式人工智慧改善ICD-10-CM編碼效率與效能
計畫期程：2022/11/01~2024/12/31
計畫說明：ICD 編碼系統是世界衛生組織制定的一套國際疾病分類標準，本計畫透過運用大型語言模型（Large Language Model，簡稱 LLM）技術學習生成疾病分類師的編碼特性，以提高編碼的效率和準確性。本計畫透過導入 LLM 與人類輔助訓練的機制對研發之系統和模型進行持續性的效能監控與改善，從而能更準確地預測 ICD-10-CM 編碼，進而避免編碼錯誤所造成的醫院營收虧損。
圖 1、實際落地應用於合作醫院的其端資訊系統介面。
本產學研究所研發之系統現已實際落地應用於合作醫院，透過如圖 1 所示的整合式的前端介面輔助疾病分類師進行 ICD 編碼工作，系統透過將介面左側的病摘輸入 LLM 模型進行預測後生成出右下方的預測結果，再由疾病分類師勾選預測正確的ICD-10-CM 編碼，並保存回資料庫。藉此提供編碼建議，減輕疾病分類師的工作量，並提高編碼準確性。本系統會根據疾分師的反饋持續進行模型參數的更新，使本系統更貼近實際落地場域的需求。
