醫療產業正積極嘗試使用生成式 AI！根據 iThome 2024 CIO 大調查，發現有 41.1% 的醫院資訊長表示他們已經開始嘗試 Gen AI。不過實際應用到醫院運作情況又是如何？
根據業者表示，醫療院所真正把 AI 應用在日常作業的比例可能低於 5%，國內指標性醫療院所「臺北醫學大學醫療體系TMU-H」就是少數真正導入 AI 的代表之一。
臺北醫學大學醫療體系底下擁有 4 家醫院（北醫附設、萬芳、雙和及新國民醫院）、2 中心及 1 機構，近年積極推動醫療體系邁向醫療資訊 3.0，將部分資訊系統搬遷到雲端，讓 Google Cloud 環境協助資料的儲存、分析、並使用 Google Cloud 的 AI 模型像是 MedLM 及 Gemini，幫助 TMU-H 各院所的醫療健康照護同仁，能透過 AI 提升工作效率。
聚焦醫療核心提升健康照護品質，打通數據壁壘把系統陸續升級
TMU-H 健康照護系統跨院區整合，有其與時代演化息息相關的歷史軌跡。臺北醫學大學校長吳麥斯剖析其發展歷程，先是讓資料庫進行標準化作業，資料可分享以及梳理單一流程。 數據經過整合後，才能上到雲端進行儲存、分析以及協作項目。完成資料整合及協作後，再到下一個階段就可結合 BI（Business Intelligence）進行平台管理，並透過 AI 優化醫療照顧品質。
如果以時間軸來看，TMU-H 最早在 1997 年開始部署醫療資訊系統（HIS），接著於 2012 年展開第二階段的改版計畫，讓健康照護系統形成單一系統。接著經歷十多年的發展，系統各自發展產生疊床架屋現象，因此在 2023 下半年迎來系統 3.0 的標準化計畫，經過測試後於 2024 年的元旦、春節、以及 228 等假期，陸續把旗下各家醫院系統完成升級。
經過上述脈絡，為了持續優化照護健康流程及效率，TMU-H 選擇雲端工具協作並選中 Google Cloud 的方案。吳麥斯指出，當時看準臺北醫學大學的教學系統多年來是採用 Google Cloud 方案，雙方長期培養合作默契；加上 Google Cloud 是唯一在台灣設有資料中心的雲端業者，可確保主管機關對於醫療資料上雲不出境的合規性要求。
TMU-H 攜手Google Cloud 合作，IT 架構仍是基於強化健康照護為目的，置入 AI 程式與 Automation（自動化）程式。其中 AI 是導入Med-PaLM 2 的 MedLM 模型及 Vertex AI 上面的 Gemini 模型。吳麥斯強調，「AI 需要很強算力，所以需要夥伴協助，看到 Google Cloud 的MedLM、Gemini 一直在升級，所以決定邀請 partner 來置入我們的 Gen AI。」
尋找 AI 首要落地場景，優先幫護理師掃除痛點
轉型過程不要為了 AI 而 AI，TMU-H 展現最佳實踐示範，也就是先找出健康照護有哪些面向可以優化，再善用 AI 工具輔助適合改善的流程，進而提供更好的服務。吳麥斯指出：「數位工具會一直轉變，所以我們反過來問，當出現新的 AI 工具，健康照護流程可以得到怎樣的改善？以滿足我們內、外部的 stakeholder（利害關係人）需求，讓健康照護品質變得更好。」
所謂利害關係人，外部指的是一般病患、內部即是醫護成員。若要把新科技用於病患醫療診斷流程，目前仍有制度面、執行面等各種考量需要討論，因此 TMU-H 決定先把生成式 AI 投入內部的照護流程，讓 AI 成為護理師的助手，藉此改善護理師每天花最多時間的工作，也就是降低例行整理病歷文件的時數。
「Gen AI 最厲害的應該就是文件處理，所以我們從護理師交班的場景開始實驗，因為照護的每一個動作要記錄，交班也要記錄，甚至出院還要寫 summary，我們就從這三件事開始著手，」吳麥斯表示。TMU-H 將院內的交班紀錄系統整合 Gemini，讓護理師操作系統時，可以對 AI 下指令生成護理智能交班報告，生成式內容要經過護理師再度確認及驗證，便能協助後續接手的護理師，得以快速且正確掌握病患狀況。
受惠 Google Cloud 提供的技術資源，讓 Gemini 生成品質、速度持續優化，現在 TMU-H 在生成護理報告的速度，從最初 30 秒提升到現在僅需 10 秒即可以完成。相對於過去手工謄寫交班報告，一位護理師照顧 7 位病患，撰寫一位病患交班紀錄平均需要 6~11 分，加總起來最多要花上一個多小時。從一小時進步到 10 秒，凸顯 AI 的智慧，也讓護理師有更多心力去檢查交班報告的資料正確性，甚至改善病人照護的流程。
▲Photo Credit：Google Cloud
冶煉數據變成智慧金礦，AI 飛輪效應加速展翅
雲端平台上也包含健康照護自動化的應用，TMU-H 在這部分亦持續耕耘。吳麥斯舉例，過去護理師需疲於奔命到各間病房，看各床點滴的剩餘量；現在 TMU-H 的四家醫院共導入 1,080 台智慧輸液幫浦，可透過系統連線進行監控，確保病人輸液安全，就能減輕醫療人員的負擔，象徵邁向智慧醫院又跨出一大步里程。
其他結合自動化程式的醫療應用不勝枚舉，像是急性腎傷害電子警訊系統、罕見疾病系統、乃至於智慧藥櫃的自動補藥，都是利基於 TMU-H 的數位轉型基礎。未來這些健康照護數據，也有機會嘗試與 Google Cloud 雲端方案進行跨領域的協作。當自動化程式結合 AI，這些系統的數據持續累積，而且化為 AI 模型的「養分」，就能驅動飛輪效應（Flywheel Effect），協力醫師、護理師在診斷、照護過程更有所依據，有助於提升醫療品質。
上述勾勒的場景還只限於臨床治療，若從醫療院所的管理者角度來看，有效整合各院區的營運數據，便能形成更具智慧化的商業決策。吳麥斯提到未來如果把 AI 再結合 BI 系統，目標希望能落實三件事，包含流程整合、監測平台、以及檢討機制，藉此洞察營運可改善空間並找出實際解方，持續讓病患獲得更好的照護品質。
TMU-H 勇於創新的背後，吳麥斯肯定表示：「轉型的價值，就是重新檢討我們的流程，在這之中 Google Cloud 扮演重要的夥伴角色，包含提供各類雲端方案、龐大的 AI 運算能力，讓我們得以持續嘗試新科技，加速邁向智慧醫院。希望未來與 Google Cloud 有更多面向的合作，一起提升人民的照顧品質，呼應政府擘劃的『健康台灣』嶄新願景。」
本文章內容由「Google Cloud」提供。
