【臺灣邁向智慧醫療課題3：資訊整合挑戰】標準化是先行者醫院成功整合關鍵，爆量儲存需求將是新挑戰

如果醫療AI、遠距醫療是智慧醫院的花果，那資訊整合和IT建設，就是孕育出花果的養分。但是臺灣醫院的HIS系統向來動輒數十，甚是是數百套系統的大集合，加上多年累積的各式資訊系統，要做好IT基礎建設和資訊整合這個基本功，並不是一件簡單的任務。

這幾年間，也有不少家醫院展開數位轉型，順利推動HIS系統大改造。他們不約而同的，都找到了資料整合的關鍵，他們的答案就是「標準化」。從幾家轉型先行者醫院的資訊整合成功經驗，來看如何把標準化原則發揮到極致，打下智慧醫療發展基礎。

長庚用評鑑標準化作業流程，三總重整資料和組織

比如，長庚體系醫院就靠標準化的整合型平臺，來提供創新服務。長庚醫學科技資訊事業部行政資訊處副理游智傑點出，長庚體系醫院在IT發展智慧醫療的策略上，採擁抱國際醫療評鑑規範，像是美國最嚴謹的JCI評鑑制度、美國醫療資訊與管理系統學會HIMSS評鑑，將這些上千條的規範內化到資訊系統中，來開發平臺、提供服務。

像是，長庚醫院在2015年展開第二次HIS再造，將98套HIS系統砍掉重練、改以.NET架構重寫外，還採用模組化設計，讓同樣的程式元件可重複使用。這種建立標準化、重複應用的概念，也體現在他們堅持的「就源設計」原則。這是種讓使用者直接在資料源頭，以客製化設計輸入資料的方法。

當時，長庚資管部挑選大量重複的共通資料輸入需求，開發一套彈性的資料輸入工具，讓使用者按需求，自行設計輸入方式。比如各單位來搜集種意見或資料的問卷多達100種，過去都得麻煩IT一一開發，現在改為統一開發一款問卷設計工具程式，提供給需要設計問卷的單位，不必每份問卷都重新開發一支程式。他們也將這個原則用於病歷結構化，設計一款病歷表單編輯工具，可讓醫生自行設計所需的病歷表單。此外，醫師拖拉不同的輸入格式，就能建立要輸入的欄位，比如可用選項或文字欄位，甚至是插入影像。這麼做，讓醫師輸入病歷，就能直接成為可分析的標準結構化資料。想辦法讓使用者在資料源頭輸入資料，這是就源設計原則其中一個例子。

不只長庚醫院，資訊標準化整合也是三軍總醫院發展智慧醫療的準則。三總醫學資訊室主任李家政指出，近年來多家醫院翻新HIS，主要目的是因應智慧醫療發展，三總也不例外。

因此，在策略上，他們要整合國軍體系醫院HIS，連資料收集形式也要統一，打好基礎才能發展後續的AI研究和數據決策分析。他們的具體做法是，以數據標準化來實現HIS整合，先將體系醫院HIS資料整合到一個資料庫，來比對三總系統的資料結構，再建立更合適的資料結構和定義，重整兩套系統的資料，方便日後研究與開發醫療AI。另一個標準化整合的方法是資料結構化，比如改用拖拉式病歷表單，來產出可分析的結構化資料。甚至，三總還要採用相同的資料交換標準，如國際通用的HL7 FHIR，來簡化資料交換作業。

不只是系統上的整併，三總也從組織架構下手。過去，三總IT單位只負責提供資料給醫護和病人使用，但現在，他們將IT部門改名為醫學資訊室，將病歷室整併至資訊室下，要將資訊化病歷資料整合其他醫療資料，來發展智慧醫療應用。此外，三總也在基礎建設上下工夫，比如跨國軍醫院體系導入WiFi-6和5G專網，來支援HIS發展智慧醫療。

臺大醫院瞄準資料標準化，中榮從組織下手來整合

臺大醫院也看重資料標準化。作為智慧醫療服務推手，臺大醫院智慧醫療中心副主任郭律成表示，資料標準化整合是重要關鍵，但不只聚焦HIS，也要將更廣義的資訊化系統納入考量，如影像系統、基因系統等。這些系統資料，可分為2種應用，一是臨床服務，另一是研究專用。用於臨床服務的資料，又分2種對象，也就是給醫護人員讀的，以及給機器讀的。由於智慧醫療應用大量仰賴機器，特別是AI，因此需要機器可讀的結構化資料，也需要標準格式，才方便導入醫療AI與介接。

也因此，臺大醫院要採用通用數據模型（Common data model，簡稱CDM）、國際疾病分類代碼ICD和結構化病歷等標準化規格，來打好資料治理基礎。另一方面，有鑑於健保大數據釋憲案結果，致力發展智慧醫療的臺大醫院也正思考，如何建立大數據退出機制，給患者足夠的資料自主權。

同樣地，資訊整合也是臺中榮總發展智慧醫療的根本。他們先從組織整併下手，臺中榮總資訊室主任賴來勳指出，以往，中榮有3個部門會產出醫療資料，包括資訊室、臨床部門以及EC部門，但這三個單位產出資料的規則，並不完全一致。因此，2018年，時任臺中榮總院長許惠恒要求改善，便將這三個部門的同仁整併起來，每周定期開會，來尋求一致的資料定義。

另一方面，為打造智慧醫療應用，中榮資訊室也與其他單位分工，由資訊室負責用ETL工具將原始資料轉至資料倉儲，再由臨資中心和AI工作室，來進行去識別化、產生不同主題的資料庫。如此一來，即便中榮是資料擁有者，也不會知道加密後的資料屬於誰。

建立好資料倉儲後，中榮就可用於2種情境，一是打造儀表板，如門診、急診專用儀表板，另一種是用來產生更多主題的資料庫，來進行AI研究。但他們也發現，要建立研究資料庫時，IT根據臨床需求撈取的資料，其定義常與臨床真正的需求不同，得重複撈取幾次才能達到一致。又或是，有時臨床所需的資料，HIS並未保存，因此IT得回頭更改程式、加入新功能來收集資料。這也引出了資料處理人才議題，賴來勳點出，對醫學中心而言，未來會面對既要懂IT、也要懂臨床知識的人才需求挑戰。

北榮鎖定通用數據模型，智慧醫療得思考資料爆量儲存挑戰

對臺北榮總來說，資料規格的一致性也是必備基本功。2019年，臺北榮總成立大數據中心，臺北榮總家醫部社區醫學科主任暨大數據中心主任陳育群表示，北榮為邁向智慧醫院，特別成立了智慧醫療委員會來統籌，旗下包括AI中心、精準醫療中心和大數據中心。

身為大數據中心的負責人，陳育群帶領6人團隊，成員來自醫研部和資訊部，主要工作除了爬梳資料外，還有3大目標，其一就是「發展CDM。」這是因為，只有整合資料的規格，才能進行後續的醫療AI研究與應用開發。此外，他們也將數據治理納入工作目標，要建立透明、安全的數據治理架構，來讓後續的研究更順暢展開。陳育群也點出，他們還要引進低程式碼工具，來加速資料的共享與運用，放大資料價值。

不過，北榮資訊室高級工程師朱原嘉點出，北榮發展大數據的策略是建置數據中臺，將所有資料匯至中臺，再進行後續應用。但在資料彙整過程中，他們意識到另一個儲存空間的問題，比如，近年興起的數位病理，是以高解析度畫質的玻片影像，讓醫師直接判讀，或是靠AI揪出病灶。但一張數位玻片的容量可可能高達4GB，「10年的影像儲傳系統（PACS）資料量可能才2、300TB，但數位病理資料1年累積就需要400TB。」朱原嘉表示，不只數位病理，全基因定序的資料量更是挑戰，「1人全基因定序資料量約3GB，再加上中研院人體生物資料庫Biobank計畫，得需要更多儲存空間，」他說。高解析數位醫療資料的爆量儲存需求，也將成為發展智慧醫療醫院需思考的議題。

 相關報導