臺大醫院用生成式AI優化病歷管理，還正打造視覺化病歷系統

日前（7/12），臺大醫院揭露生成式AI於病歷管理應用的實戰經驗，包括調校大型語言模型（LLM）來提高國際疾病分類編碼ICD-10預測準確率，以及運用LLM，來協助判斷病理部診斷關鍵字內容與SNOMED CT編碼。他們也透露病管應用下一步，目前正嘗試以AI強化病歷審查，來在符合資安法規的前提下，輔助醫療人員進行病歷資料彙整與摘要。同時，他們也在打造一套視覺化病歷系統，要透過時間軸和顏色、標記和視覺化等元素，來幫助醫護快速掌握病患醫療歷程。

病歷是醫療研究的重要基礎

臺大醫院病歷資訊管理室日前迎來70周年，意味著早在1954年，臺大醫院就成立病歷室來管理病人資料。臺大醫院院長吳明賢指出，病歷不只記載病人在醫院的狀態，還是教學、研究的重要基礎，更是發展醫療AI的重要元素。比如臺大醫院運用自家去識別化的病歷資料和健保資料庫，打造出獲美國FDA突破性醫材許可和臺灣TFDA智慧醫材認證的胰臟癌預測AI。

而病歷本身，還能透過AI技術來優化，比如利用LLM來進行國際疾病分類編碼ICD-10的預測。這種用生成式AI來提高疾病分類編碼填寫準確度的作法，也是國際應用趨勢。

智慧疾病分類編碼成國際趨勢，新技術帶給疾分人員新機會

這是因為，ICD-10共有十幾萬個編碼，包含ICD-10-CM的7萬2千多個與ICD-10-PCS的8萬7千多個，還隨著新藥、新療法出現時而更版。因此對醫院疾病分類專員而言，找出正確的編碼並不容易，常常得花上大量時間核對病歷、出院病摘、手術紀錄等文件。

臺大醫院病歷資訊管理室主任莊秋華也指出，在國際趨勢上，美國就預測疾病分類工作量將增加。尤其美國勞工統計局（BLS）數據顯示，2020年至2030年，醫療記錄和健康資訊專家（含醫療編碼）的工作量將增加9%，但透過新技術輔助，則能提高編碼準確性、減少人為錯誤。此外，醫院專門處理疾病分類的人員，也能透過AI生成的編碼，作為交叉稽核參考。

而AI在疾病分類應用的演變，也從早期規則式推進到傳統機器學習，再到近年以類神經網路為基礎的AI運算，其任務定義也從早期的字串比對檢索，演進到語意相似度搜尋和近年的多標籤分類任務。

這些AI技術的興起，也帶給疾病分類人員新機會，比如可協助醫院評估、選擇和部署合適的編碼生成式AI或LLM，或是與IT部門合作，來根據新發布的編碼指引和參考文獻更新LLM應用。

以LLM優化ICD-10編碼預測準確率，還可用於病理報告欄位內容預測

臺大醫院在這波國際趨勢中，也累積了LLM優化疾病分類編碼預測的實戰經驗。

進一步來說，該團隊由臺大醫院醫務秘書陳信希領軍、莊秋華擔任計畫主持人，在2022年就利用去識別化的病歷資料和就醫紀錄資訊，來訓練類神經網路、打造出本地端AI疾分編碼系統，並在該年3月於臺大醫療體系上線，提高編碼準確率的同時，還節省了14%的人力工時。

後來，隨著LLM技術和資源的普及，團隊也以自家資料調校開源LLM，如Llama 3、Vicuna和Zephyr，讓模型學會主診斷碼預測和全碼預測，並在去年11月上線新版系統（如下圖）。新版不僅能在1秒產生住院病人的ICD-10-CM/PCS編碼（包含診斷碼與處置碼），效能還比先前模型版本要好，尤其全碼預測準確率86.67%、主診斷碼預測準確率達82%，並在臺大醫院全體系上線，還授權一家醫學中心使用。

團隊也透過周期性模型更新，來修正預測結果，讓模型能準確預測新興疾病、新醫療技術或其他困難疾病等編碼。這款應用，在臺大醫院獲得了95%的滿意度。

除了ICD-10預測應用，臺大醫院也將LLM用於病理部系統的欄位內容預測和SNOMED CT臨床醫學術語編碼預測。他們訓練幾款開源LLM，讓模型根據病理部檢驗報告內容，產出器官、方法、診斷等欄位內容與相對應的SNOMED CT編碼。其中，Zephyr-7B-alpha單獨量化的表現最好，器官部分準確率可達94%、方法為89%、診斷內容則是87%。（如下圖）

下一步瞄準AI病歷審查、可視化病歷與國際標準導入

談及病理管理的未來，莊秋華指出，生成式AI於病歷的應用，不外乎分為4大領域，包括方便撰寫、快速查閱、精準分析和安全釋出，臺大醫院在這些面向也有所著墨。舉例來說，在提高撰寫便利部分，除了ICD-10編碼預測外，團隊目前正嘗試用生成式AI，來強化病歷審查，要在符合資安的前提下，輔助醫師或醫事人員進行病歷資料彙整或摘要，節省撰寫病歷的時間。

另一個例子是，為方便醫護人員快速查閱資料，臺大醫院自去年開始打造一款視覺化病歷系統，要透過時間軸和顏色、空間、歸類、標記等元素，來讓醫護人員快速、循序地掌握病人病史和就醫歷程。（如下圖）

不只如此，身兼臺灣病歷資訊管理學會理事長的莊秋華更點出，鑑於衛福部近年來力推次世代數位醫療平臺計畫，病管學會也主動出擊、承接了該計畫細項，來建立國內健保檢驗項目與LOINC檢驗碼的對應資料，並探索導入SNOMED CT的可行性。他們將與相關學會和醫院合作，來培訓醫院人員、舉辦研討會加以推廣，好在符合臺灣醫療場景需求的同時，接軌國際病歷管理實作方法。