中國附醫資訊室副主任孫培然表示,中國附醫資訊室與大數據中心、AI中心分工,資訊室負責處理臨床資料,轉檔好後再交給大數據中心清理資料,再由自己和AI中心開發AI應用,最後交給資訊室,將AI模型安裝在HIS中。

圖片來源: 

孫培然

「這次疫情,反而加速IT發展。」中國附醫資訊室副主任孫培然解釋,2、3年前,中國附醫就已展開醫院核心系統再造,將醫療資訊系統(HIS)雲端化。他們今年要建立軟體定義資料中心,利用VCF混合雲平臺(VMware Cloud Foundation)建置GCP混合雲平臺Anthos來部署HIS系統,開發流程也導入CI/CD流程,將應用系統開發與測試部署微軟Azure上。而疫情爆發,正好加速這個進展。

為什麼IT雲端化在疫情中顯得重要?孫培然舉例,在中國附醫HIS雲端化過程中,IT部門已導入開源軟體開發平臺GitLab來開發新版系統,在雲端進行控管版本、持續整合和持續部署(CI/CD),讓醫院核心系統HIS具有自動部署的能力。孫培然認為,擁有這種敏捷開發力,就算員工受到疫情影響、在家辦公,也不會造成工作停擺。

在2款App中趕工開發新功能,從經營決策儀表板養成跨IT分工

除了開始上雲強化IT抗疫基礎工程,去年疫情爆發時,中國附醫也即時趕工,在對外服務的中國醫點通App民眾版中加入實名制報到功能,讓民眾填寫TOCC(旅遊史、職業別、接觸史、群聚史)資料。同樣地,該App醫院職員專用版本中也新增類似功能,但多加了每日早上健康狀況表單,員工回報後才能刷卡入院。中國附醫透過這2種方法,來把關進出人員健康狀態。

不只如此,為掌握疫情動態、制定決策,中國附醫也建立一套經營決策儀表板,彙整各類數據如門診、急診、住院資料,還有檢驗檢查報告等數據,透過各單位用BI工具分析、以天為單位來更新,整合後給高層決策者參考。

為了提供這套儀表板的數據,所有資料蒐集後,會先進行ETL資料前處理,再存入資料庫,接著,再由中國附醫大數據中心進一步清理這些資料,確認正確性無虞後再統整呈現到儀表板上。若發現欄位錯誤或轉檔錯誤,會先交由資訊室重新處理資料。

鎖定AIoT應用,IT聯手大數據和AI中心打下資料治理基礎

除了這些措施,孫培然認為,AIoT是醫院最有力的防疫工具。因為,IoT裝置能不間斷收集患者生理量測資訊,達到即時且24小時的監控,再加上AI分析,可幫助醫護人員即時介入,給予高風險患者治療。

然而,孫培然指出,要發展這種AIoT應用,還得先做好資料品質管理,否則只會產出惡劣的預測結果。因此,在資料處理流程上,中國附醫資訊室和大數據中心、AI中心一起分工。臨床資料同樣先經過ETL處理,大數據中心會先審查品質後,才和AI中心利用這些資料來開發醫療AI應用,最後再由IT人員將AI模型導入HIS中使用。在這個過程中,資訊室也要負責流程中所有的資安控管。這套串資料處理流程,是中國附醫發展AI資料治理的基礎。不過,孫培然認為,這個基礎還可以更好。

用微服務架構加速AI部署,要解決HIS汰換長久難治痛點

因此,他開始推動在中國附醫HIS上導入微服務架構,其中一個目的是加速AI模型落地。因為,微服務架構的事件驅動(Event Driver)結合訊息佇列(Message queue),可簡化原本多個程式溝通的困擾。舉例來說,在X光片AI判讀上,患者拍完X光片上傳資料後,HIS便觸發資料上傳事件,並將事件資訊發布到訊息佇列上,AI中心的系統從訊息佇列中得知X光片已經上傳後,再到對應系統中取得X光片資料來進行AI分析,完成後同樣會通報訊息佇列,等待的HIS從佇列上收到完成通報後,就可以到AI系統提取判讀結果。如此,就免除原本多個程式溝通的過程,也能「將AI內化到HIS中,」他說。

不只加速AI落地,孫培然表示,微服務架構還能解決HIS汰換的大部分問題。他指出,大部分醫院HIS在健保開放時期(1995年)建置,至今多已不堪使用,未來幾年,這些醫院大多得面臨汰換的挑戰。然而,HIS系統十分複雜也常是龐大的單體架構、難以一夕之間汰換,改採用微服務架構,以拆分功能的方式,進行局部服務的轉換,循序漸進來汰換核心系統,孫培然認為,這樣做可以降低汰換的成本。

再來,導入微服務架構也讓中國附醫可以使用熱門程式語言,人才更好找,不像傳統HIS被老舊語言綁架。孫培然舉例,中國附醫舊HIS仍採用Delphi語言,他在面試新人時,「幾乎沒人聽過。」使用熱門程式語言,醫院就不必額外對新人進行教育訓練,加速上手時間。

在他看來,微服務架構還有其他優點,像是具備更高的擴充性和容錯性,可依業務性質來擴充資源,而且服務就算停擺,也容易重新開啟。對中國附醫IT來說,微服務是今年大力投資的新興技術,同時,他們也開始研究自動化管理機器學習生命周期的MLOps,為後續大規模發展醫療AI時做準備。文⊙王若樸


熱門新聞

Advertisement