【奇美醫院GAI應用實例】GAI分工走進診間成虛擬照護團隊，靠多層次提示克服幻覺難題

自去年11月開始，每一天，奇美醫院都有護理師用生成式AI助手「A+護理師」來產出護理摘要、交班事項，人工再檢查一遍，1分鐘就搞定一位病人的記錄。

就連病人累積好幾天的護理資料和數據，A+護理師也能快速整理、產出病人轉出摘要記錄，原本20到30分鐘的人工作業，現在只要3到5分鐘。同時照顧好幾位病人的護理師，靠它省下了至少半小時，甚至，新接手護理師的緊張情緒，還因為有它而緩解。

這就是奇美醫院生成式AI（即GAI）的經典應用之一，靠整合多套系統資料、不斷供AI檢索運用，大大縮短了人工作業時間，深受護理師喜愛。光是今年10月單月，護理使用量就已超過4萬人次。

奇美醫院大受好評的GenAI助手不只這一個，下文將一一盤點說明。

專攻除錯、摘要的HIS Copilot

奇美醫院目前的生成式AI應用，可分為HIS Copilot和A+巡房大聯盟兩大類。

其中，HIS Copilot與醫療資訊系統（HIS）高度整合，就像是一套AI協作系統，在奇美醫院原本的HIS操作頁面中，新添AI小按鈕，提供不同的生成式AI輔助功能。這些功能產出的資料，經人工確認，就會寫入HIS中。也因此，為確保這些資訊正確、不干擾HIS，它專門提供一系列除錯、縮寫說明和摘要等功能，而不做無中生有的生成。

其中一項代表應用，就是A+醫師。這個A+醫師在去年11月亮相，是奇美醫院最早開發的HIS Copilot助手，能對醫師輸入的病歷摘要進行除錯，比如將醫師誤填的70歲男性，自動更正系統記載的65歲女性，還能順便更正文法、說明縮寫，短短幾秒就完成。去年上線以來，A+醫師不只提高病歷品質，還省下了醫師書寫病歷的一半時間。

 A+醫師 

奇美醫院打造專門除錯、摘要的HIS Copilot生成式AI助手，其中一例是A+醫師，能對醫師輸入的病歷資料進行除錯、文法更正和縮寫說明，比如將誤填的70歲男性更正為65歲女性。圖片來源／奇美醫院

另一項HIS Copilot經典應用，就是與A+醫師同時亮相的A+護理師。它能根據一筆筆條列式的IoT數據和記錄，快速挑出重點、重新整理，改寫為敘事型摘要。比如將「05/24/2024 0800 生命徵象 飲食：水130ml」等記錄，轉換為「病人於早上8點至下午1點間，維持一般飲食並有正常自解排尿...（略）」的敘述，讓摘要內容更親切、有溫度，也避免過往將內容複製貼上時，連帶沿用的錯誤。

 A+護理師 

奇美醫院HIS Copilot助手中還有個「A+護理師」，能根據一筆筆條列式的護理摘要記錄，轉換為有溫度、敘述型的內容，包括了重點摘要、異常提醒與交班事項等，比如根據血糖值記錄提醒超標，護理師只需再核對即可。圖片來源／奇美醫院

不只用於護理每日摘要，這個A+護理師，還能整理患者累積好幾天的IoT數據。尤其在病人病情驟變，比如住院10天後，病情惡化需轉入加護病房時，它就能快速整理資料、產出過去幾天的重要變化。後來才接手這位病人的護理師，不但不必從頭梳理、花半小時書寫摘要，還能緩解焦慮心情。

由於奇美醫院有不少專科護理師，每個專科都有各自的聚焦重點，比如骨科護理師，就特別著重骨科護理資訊。也因此，A+護理師還多了個人化提示欄位，供各科護理師產出所需的護理摘要，兼顧各科需求。

 個人化提示 

由於院內有許多護理專科，各專科有其照護重點與需求，因此「A+護理師」中特別設計了個人化提示欄位，來針對不同需求產出客製化摘要與記錄。在同一頁面下方，也有評等回饋機制，團隊會根據回饋每周更版。圖片來源／奇美醫院

這類HIS Copilot功能，不只醫師、護理師用得到，它還涵蓋許多場景，像是急診交班、入院記錄、病程記錄、出院記錄、每周病程摘要、查房重點／待辦事項、護理個別化衛教、會診系統、跨團隊會議記錄，以及居家照護訪視等10多種情境，每個情境前都冠上A+。

這每一個HIS Copilot功能，都嵌入在使用者操作HIS的必經環節，將GAI真正融入工作流程。而且，不論是哪一支HIS Copilot助理，使用者都能在操作頁面給予評分回饋，開發團隊會在1周內更版，讓GAI輔助功能表現更好。

多了演繹功能的A+巡房大聯盟不只給建議，還能出考題

奇美醫院另一類GAI應用「A+巡房大聯盟」，則是一套一站式的Web系統，集結了各種輔助醫事人員的生成式AI助手，如A+醫師、A+護理師、A+藥師等等10多種醫事職類。

不像HIS Copilot，這些助手不只能除錯、摘要，還多了「演繹」功能，能根據背後整合的各類系統資訊，來給出判斷、建議和提醒。就算是不同醫事職類的使用者，都能在A+巡房大聯盟網站查看這些助手，幫助自己更好地工作。

以A+醫師來說，它能快速整合患者住院期間的所有資訊，總結出病人病情嚴重程度、用藥、該提供哪些治療或該追蹤哪些事項等。甚至在A+醫師頁面中，使用者還能查看其它預測型AI結果，比如脫離呼吸機機率，作為治療參考。

A+臨床藥師也是如此，能根據已整合的資料，如診斷、過敏史、現行醫囑、手術病況、入院現病史和生命徵象等各種資料，迅速產出條列式的病人概況。

這些概況不只單一面向，而是相當多元，比如有病人基本狀況，有各種生命徵象、檢驗檢查等數據重點，還有用藥資訊，甚至是用藥評估、建議和治療計畫等內容。有了A+藥師的幫忙，真人藥師1天可省下150分鐘，用來從事更有價值的任務。

再來，A+衛教師也很特別，能根據每位病人狀況，提供客製化的衛教資訊。光是在設計上，就可細分為疾病衛教師、照護衛教師和管路衛教師等3種A+衛教師，以疾病衛教師來說，它能依據各醫療系統記載的病人資訊，產出個別疾病的衛教，比如病人同時患有腦梗塞、脫水和乏力等症狀，A+疾病衛教師就會根據這3點，分別提出改變生活習慣的衛教建議。

A+巡房大聯盟的亮點應用，還包括較少人談及的A+營養師、A+物理治療師和A+藥安師。以營養師來說，真人營養師一天得整理病人各種資訊，來制定營養攝取計畫和建議，但有了A+營養師，就能快速消化大量資訊，產出病人營養現況、評估和建議，加速營養師制定更好的飲食計畫。而營養師，還能用每天省下的225分鐘，來與患者更好地溝通。

同理，A+物理治療師也能摘要病人狀況、給出合適的物理治療評估。但很不一樣的是，它能「定位患者」，也就是在確認病人適合接受復健治療後，會串接病人現階段最新資訊，包括生命徵象、有無排程做檢查、護理記錄中是否記載病人離院買東西或請假等等。

如此一來，物理治療師就能確定，病人當下在床位上，也就能放心前往復健，不必擔心白跑一趟。有了這個A+物理治療師，奇美醫院物理治療師回饋，每天至少省下了1小時。

 A+巡房營養師 

奇美醫院開發了「A+巡房大聯盟」，也就是Web一站式的醫事職類GAI助手，包含醫師、護理師、藥師等多種類別。以其中的A+營養師為例，備忘錄頁面彙整了患者營養相關的醫療資訊供參考。圖片來源／奇美醫院

 A+出服營養師 

A+巡房大聯盟中的A+巡房營養師還可細分為3種，都能根據系統最新資訊，產出各類的病人營養摘要與評估。有了GAI助手，奇美醫院營養師每天省下200多分鐘，有更多時間與病人溝通。圖片來源／奇美醫院

A+巡房大聯盟還有別出心裁的應用實例

對奇美醫院來說，A+藥安師是個全新的嘗試，是醫院第一個自動執行的Agent AI應用。它的原理是，A+藥安師每天半夜自動整理資訊，來偵測病人用藥是否衝突，並在隔天早上6、7點產出報表。此時，8點上班的藥師，就能先查看哪些病人觸發最多風險，並趕在9點給藥前，即時阻止給藥。

這件事之所以特別，是因為與過去程式設定閾值的藥安警示不一樣。A+藥安師判斷的用藥資訊，不單只是數值，還包括許多藏在敘述文字裡的細節，比如護理記錄中的症狀描述、藥物劑量和異常說明等。這些資訊經生成式AI分析和提示指令，就能揪出危險用藥。

舉例來說，護理記錄中寫道一位患者跌倒風險高，但醫師又開給高血壓藥物，這類藥物容易增加人體內鉀離子濃度，暈眩、跌倒風險也因此提升。一旦A+藥安師偵測到這些資訊，就會觸發警示，提醒藥師用藥風險。

這個全新嘗試不只用於西藥，接下來，奇美醫院還要將這套模式運用到中藥，打造出A+中醫藥安師。

除了輔助臨床工作，A+巡房大聯盟還有項別出心裁的應用，也就是專為醫師國考設計的A+國考複習。

它能在醫師查房後，以該病人為主題，快速給出3道醫師國考題，來讓需考專科的住院醫師，或是見習醫師使用，複習考題。而且，它的出現，還能加速老師直接與學生討論，不必再像過去，需等待2、3個月，等到老師有空了才有機會看病歷、討論。

這個A+巡房大聯盟發展至今，已有10多種實例，舉凡醫師、護理師、藥師、營養師、物理治療師、衛教師、個管師、病安師、生活形態醫學師、疾病編碼分類師等，都有自己的A+助手，目前還正不斷新增中。

如何靠提示工程避免幻覺

這些HIS Copilot和A+巡房大聯盟應用，都採用微軟Azure OpenAI服務開發，從去年11月開始陸續上線，幾乎每一個，都成了院內職員愛用的工具。

他們的生成式AI之所以能落地、好用，關鍵在於克服幻覺。奇美醫院的克服方式，主要靠提示工程，再搭配規則程式、RAG和GAI服務參數設置（如溫度設定）的輔助。

雖無法細說提示工程作法，但奇美醫院生成式AI應用的開發關鍵人物、奇美醫院實證醫學暨醫療政策中心主任廖家德，還是分享了幾個大原則。首先，他們的提示工程採多層次設計，每層包含不同的臨床作業邏輯和檢核規則，甚至是指引（Guidelines），彼此環環相扣。

舉例來說，生成式AI要進行護理摘要除錯，提示就得納入通用的醫療資料檢核原則、特定領域（如專科護理）的資料檢核規則、資料的輸出形式與格式，以及最終的總檢查規則等，層層疊加來確保資料正確產出。

再來是透過提示來拆解任務，就好比詢問大型語言模型（LLM）「Strawberry有幾個r」一樣，LLM要回答這個問題，會先切分字符（Token），進而給出2個r的答案。但若提示要求LLM先將所有字母列出、再計算有幾個r，LLM就能給出3個r的正確答案。奇美醫院就利用這種方式，將任務拆解成LLM易懂、能準確處理的小任務，來避免幻覺。

奇美醫院還運用類似技巧來避免幻覺，比如LLM不擅長處理數值，團隊就改用文字或敘述型資料作為輸入值，來讓LLM判斷。或直接導入系統既有的判斷，作為LLM參考，又或是輔以規則程式，來確保回答正確。

許多擁抱GAI企業所擔心的模型更版問題，在奇美醫院看來，並不算是大麻煩。因為他們實測發現，模型更版的最大影響，在於模型對用字的強度反應，因此只需針對不同模型，調整部分提示用字即可。而現在，他們更是準備利用推理功能，來進行更複雜的臨床任務。

關於幻覺，奇美醫院還發生有趣的小故事。有天，一份AI生成的護理摘要，出現了一項連病人病史、就醫記錄和診斷記錄，都沒出現過的心臟衰竭症狀，AI還提醒用藥。負責的護理師納悶，為何生成式AI這麼建議？是幻覺嗎？

原來，病人當天下午做了心臟超音波檢查，報告中發現了心臟衰竭特徵，但負責責醫師還沒來得及看報告，將結果寫到診斷記錄中。這項剛出爐的資訊，被不斷接收系統新數據的生成式AI偵測到了，自動在護理摘要中提醒。

也因此，AI生成的內容不是幻覺，而是醫護還沒察覺的事實。這類情形不只發生一次，奇美醫院護理部後來甚至宣導，當AI給出意料外的建議時，護理師要先回頭檢視自己是否遺漏資訊。

生成式AI落地的另一關鍵，還有「安全」。奇美醫院下了不少功夫，與微軟簽署多項資安協議，還特別設計資料匿名機制，來保障資料隱私。比如，在患者資料傳給LLM分析前，系統會自動將機敏資料替換為假資料，比如將真實姓名換為假名，不洩漏任何可識別資訊。

下一步瞄準虛擬人像與AI視覺

院內職員對GAI滿是好評，光是今年10月單月，生成式AI使用人次就突破5萬，當月流量費用卻僅臺幣5萬元，兼顧了落地、好用和經濟實惠等優點。但奇美醫院的創新腳步，並未就此停下。

他們一方面開發更多GAI應用，比如後來上線的A+病歷品質審核師、A+虛擬病人，前者能根據病歷項目，給出內容評分和建議；後者能以看診情境問答，來評分問診內容、給出需加強的建議。

 A+病歷品質審核師 

奇美醫院團隊還打造一套A+病歷品質審核師的GAI助手，可用來把關病歷書寫品質，像是針對不同的病歷項目，給予內容評估和建議，能用來精進病歷品質。圖片來源／奇美醫院

另一方面還投入虛擬人像應用，正在打造A+虛擬衛教主播，要將原本的個人化紙本衛教，升級為QR Code虛擬人像衛教。病人只要掃碼，就能觀看虛擬人演示的個人化衛教說明，還能即時互動，介紹病房和醫院環境。

甚至，奇美醫院還瞄準AI視覺，要透過AI鏡頭掃描特定場域，比如針對藥劑部來偵測給藥狀況、計算當日給藥量，或用於開刀房，結合智慧眼鏡來辨識器械種類、數量與位置，把關醫療安全。

在團隊的想像中，AI視覺還有個「急救」的終極應用場景。

透過鏡頭辨識救護車內景象，來聯動系統自動輸入資料，護理人員不必費時打字，解放雙手來照顧病人。奇美醫院團隊還構想，將AI視覺應用產出的報表，結合生成式AI，來解讀趨勢和除錯。這些就是奇美醫院從GAI實例經驗中，延伸出的智慧醫院目標。

 相關報導