【病歷結構化實例：臺大醫院】發展結構化病歷必須兼顧4大要件，第一步先從臨床痛點著手

智慧醫療要遍地開花，一種作法是資料結構化。因為，透過明確的表單欄位來分類、儲存資料，不只利於搜尋,還對大數據分析應用、AI模型訓練有很大的幫助。但，醫院要如何將院內巨量的病歷資料結構化？該如何拿捏結構化程度？

長年耕耘電子病歷的臺灣病歷資訊管理學會理事長暨臺大醫院病歷資訊管理室主任莊秋華認為，理想的結構化病歷，必須兼顧4大要件。

理想結構化病歷要兼顧4大要件

首先,理想的結構化病歷，要能讓第一線臨床醫師與醫事人員方便使用。再來，結構化病歷要能充分表達病人的狀況，第三是要能提高病人安全的防護，最後則是要兼具醫療教學價值。

「這4大要件環環相扣，非常重要！」如同企業開發IT應用一樣，莊秋華解釋，醫院推動結構化病歷,必須從第一線使用者角度出發。以臺大醫院為例，早在10多年前衛福部推動電子病歷時，他們就找來臨床人員和IT人力，共同成立電子病歷工作小組，從實務角度設計符合臨床需求的病歷單張。爾後推動結構化病歷時，也採取相同模式。

再來，因病歷結構化，得將原本自由書寫的病歷紀錄，改為表單式紀錄，這影響了醫師對病人病況的觀察記錄，變得片段化。莊秋華點出,若將病歷全改為結構化的表單欄位,不只會改變醫師書寫習慣,也難以完整呈現病人病況。但若為追求完整性,而導致表單上需要輸入的欄位過多,也會帶給第一線醫護 不少困擾。她認為,醫院設計結構化病歷表單時,需兼顧實用性,要能充分反映病人狀況,可採取部分結構化,部分自由書寫的形式。

如實反映患者狀態後,結構化病歷還得「強化病安」,比如提醒醫師重複用藥、高風險用藥等資訊,來回饋第一線臨床人員與病人照護。

此外,結構化病歷也得具備醫學教學意義。因為,病歷是培養醫師專業知識的重要資料,醫師需要用病歷來推論、鑑別不同病程和多種病因之間的因果關係。好的病歷資料,通常是醫師經過深思熟慮、詳細描述病人病況和症狀的文字敘述,對醫學生或年輕醫師的養成很有幫助。「若都改為表格形式,恐怕會 簡化醫師的思考過程,甚至可能有複製貼上的疑慮,這是我不樂見的。」莊秋華認為，結構化病歷應保留一些自由書寫的文字內容，或補充選項，才能兼顧醫學教學。

實務推動可分4階段

有了必備要件，在實務上，醫院如何推動結構化病歷記錄？

莊秋華從臺大多年電子病歷發展經驗中，總結出4大階段。首先，團隊得先聚焦病歷結構化的臨床目的，也就是「找出臨床痛點，」比如，如何提醒各種藥物相互作用就是一個關鍵的臨床需求。

接著是凝聚醫療專業共識，「這是很大的挑戰！」她解釋，在這個階段，團隊必須找出需要結構化的資料，也就是具特殊意義、適合用於表單形式的資料欄位。這一步涉及的範圍可以很大，特別是體系醫院旗下有多家分院，若採用相同規格，就需要各分院的科部都達成共識。

取得共識後，第三階段才開始設計表單，將共識轉換為病歷格式，還要搭配臨床作業的流程來設計表單。最後一階段則是將設計完成的表單交給IT動工，來建置或修改病歷系統表單及相關程式。

臺大醫院這幾年來，自行開發不少結構化病歷應用。舉例來說，透過醫囑結構化表單，設置必要欄位來記錄病人的用藥情況，將這些資料串接到開藥系統，就能提醒醫師該留意病人過敏藥品，來提升用藥安全。

此外，他們也將病人輸血的過敏項目以結構化方式記錄，後續在開立輸血申請時，就能檢核過敏內容。類似應用還有G6PD缺乏症（俗稱蠶豆症）的結構化，比如只要病人在診斷紀錄或檢測報告中有這樣的註記，在開藥及照護系統上都會自動提醒或警示，一樣用來提高病人安全。

其他例子像是抗凝血藥劑藥物檢核提醒、孕婦的禁忌用藥提醒、重複用藥與藥物交互作用等檢核提醒，這些都是因為病歷結構化之後才能實現的應用。甚至，臺大醫院還將眼科病歷結構化，將過往紙本繪製的眼睛驗光數據結構化，以便後續醫學研究能快速使用。

莊秋華點出，雖然醫囑系統已將許多資料欄位結構化，能發展許多延伸的自動化應用和提示功能，但是，「醫囑還是需要保留文字欄位，來讓醫師和護理師溝通，這是結構化沒有辦法處理的部分。」她強調。

病歷種類複雜，與數十種系統有關

在莊秋華看來，病歷資料結構化並非近年才興起的做法。早在2009年推行電子病歷，甚至是20幾年前的紙本病歷時代，結構化概念就已存在。

比如，紙本時代的病歷模板或範本，「就是結構化的一種展現。」她點出，隨著醫學和科技進步，醫院為了更詳細地記錄檢查過程，衍生出許多病歷單張，如基因檢查、核子醫學檢查單張。這些單張，都是結構化病歷的基礎。目前，光是衛福部定義的通用電子病歷單張就有108張，臺大醫院自己則有600多張。

這些病歷單張包含的資料類型，十分多元，像是數字、醫療代碼、文字記錄，也有醫學影像，如X光片、心電圖、病理切片和內視鏡檢查影像等。電子病歷所涉及的系統也很多，比如常見的門診、急診、住院系統，還有護理、手術、麻醉、病理、營養、個案管理和專門處理醫學影像的影像儲傳系統（PACS）。

這些資料要進行結構化，就得使用既定的模式，如清楚的編碼、輸入規則或特定的數據格式，來儲存病歷資料，實現「降低資料處理分析的成本、提高作業效率」的目標。

開始有醫院嘗試用LLM解決病歷結構化課題

2年前ChatGPT爆紅，以大型語言模型（LLM）為基礎的生成式AI應用大力崛起，而且越來越普遍。LLM可快速閱讀、分析大量文字資料，並摘要特定內容，或根據使用者提問來回答。

這是否意味著，醫院可用LLM來分析非結構化的病歷文字內容？甚至是，病歷資料是否不必結構化，就能靠LLM分析、解答？

這個問題，是許多醫院正在探究的議題，臺大醫院也不例外。

他們也早已展開LLM在病歷上的嘗試，比如微調本地端版LLM，來預測正確的ICD-10國際疾病分類代碼，並實際落地使用，1秒就能產生住院病人的ICD-10編碼（含診斷碼與處置碼）。它還能快速學習新興疾病、新醫療技術與其他困難疾病的編碼知識，生成正確的編碼，提高編碼品質和效率。莊秋華是該專案的計畫主持人，有了這個基礎，臺大醫院還正探索其他LLM於病歷資料分析的應用。

「如果生成式AI的效益逐漸被證實，或許可以解決臨床流程痛點，」她指出，病歷結構化是輔助資料收集的好幫手，但不代表病歷資料都適合用結構化方式來解決臨床問題。

從臺大醫院的經驗中，醫院推動結構化病歷時，應先聚焦可解決的臨床問題，比如提高病安照護，並將結構化視為一種手段，而非視為目的、要求第一線醫師配合IT看診。

畢竟「病歷結構化工程浩大，」她建議,醫院應根據自己的組織文化和需求，來審慎評估合適的方法，才能達到最佳效果。

 相關報導