叡揚指標管理與預測式AI接軌FHIR 驅動醫院智慧治理
由叡揚資訊主辦的「領航醫療新篇章」研討會日前圓滿落幕。本次活動匯聚醫療與資訊領域多位專家，圍繞FHIR標準導入、AI智能治理及精準臨床決策等核心議題深度對話，共同為回應「健康台灣」政策願景擘劃行動路徑。
叡揚資訊董事長張培鏞於開幕致詞中表示，叡揚資訊深耕醫療領域多年，服務全台96%的醫學中心，提供全方位的數位支援。解決方案涵蓋行政營運（電子公文、人資作業、碳盤查）、醫療品質與病患安全（病安通報、指標管理）、醫學研究（計畫申辦、生物資料庫、動物實驗），以及大數據與AI應用（資料倉儲、DMP、LLMs 智能整合），並以完善的資訊安全機制為醫院數位轉型提供穩固保障。
FHIR為經、AI 為緯：「四位一體」戰略架構開啟醫療數位新篇章
秀傳醫療體系副營運長兼永續長、高雄醫學大學教授郭昭宏醫師指出，ESG 永續發展、超高齡社會與生成式AI 3大衝擊交疊，正驅動醫院邁向「數據為核心」的典範轉移。在「健康台灣」政策下，管理指標必須從「病床週轉率」轉向「病患全生命週期的數據管理」，目標也從「治病」擴展至「安康」。他強調，數位轉型下半場的關鍵在於「數據資產化」，FHIR不是IT部門的事，而是管理者的戰略佈局，唯有透過 FHIR 確保跨院區指標具備一致語意，才能消除異質系統的溝通阻力，釋放數據價值。
在具體實踐上，郭昭宏醫師呼籲將生成式AI轉化為「隱形生產力」，透過自動化生成病歷與護理紀錄降低醫護逾30%的行政負荷；建置FHIR中台實現數位交班，讓交班時間縮短50%、紀錄時間縮短80%，並藉由提升臨床判斷品質、終結無效醫療，從源頭實現節能減碳。郭昭宏醫師更提出「四位一體」戰略藍圖：以生成式AI為大腦、FHIR標準為神經系統、ESG永續為靈魂、超高齡社會為戰場，將醫療照護從單一機構延伸至社區與居家，達成「讓AI看懂數據、讓數據跨院流動、讓ESG被稽核」的智慧醫療生態系願景。
次世代FHIR中台架構 破解導入3大痛點
資慧科技顧問陳俊佑醫師聚焦於醫院導入FHIR的實務困境，點出3大核心痛點：標準變動與廠商綁架帶來的維護成本膨脹、實際應用FHIR於臨床需要極速數據同步的技術難題，以及CQL（臨床品質語言）因技術黑箱造成的溝通斷層，導致臨床與行政人員難以驗證與自行撰寫決策邏輯。
針對上述問題，陳俊佑醫師提出「次世代FHIR中台架構」作為解方，包含3大核心模組：Healro Translator（Low Code轉換工具）讓醫院無須修改底層HIS即可動態配置任意FHIR IG的轉換，奪回數據主權；高效轉換架構可突破延遲極限，確保資料同步小於5分鐘，能透過Insight臨床查詢平台完整支援門診、急診與住院臨床決策；Visual CQL（視覺化工具）則透過積木式視覺拖拉介面與透明除錯沙盒，讓沒有程式背景的臨床專家也能親自建構標準決策邏輯的CQL，真正打破技術高牆。
長庚醫院實戰案例：從82.7小時到25分鐘的管理革命
長庚醫療財團法人品質管理部賴思樺專員帶來深具說服力的實務案例。長庚醫院過去擁有高達90多個HIS系統，各項品質指標作業雖有資訊化，但仍仰賴人工啟動串連追蹤，指標作業流程耗時高達82.7小時。
透過系統再造與整合，長庚成功建置「一站式PDCA指標管理系統」，將指標管理流程大幅縮減至25分鐘。與此同時，長庚大力推動「指標建置自主化」，將資訊人員的程式邏輯轉化為No Code / Low Code條件篩選模組，落實「人人皆是資訊工程師」的理念。目前已有約81%的指標可由品管或臨床人員自行組裝上線，未來更將結合數據中台與機器學習技術，開發虛擬助手，落實品管知識的傳承與智能化升級。
叡揚Vitals KPIM指標管理系統：從事後分析邁向智能治理
叡揚資訊郭雅怡副處長指出，當前醫院面臨指標繁多與資料分散的結構性壓力，管理模式多停留在「事後分析」的被動層次。她呼籲醫療機構應從人工驅動的結構化管理（Level 2），跨越至具備前瞻預測與自動化決策的「智慧化治理（Level 4）」。
郭雅怡副處長以Vitals KPIM指標管理系統整合FHIR平台的解決方案，透過異質系統串聯與運算自動化，打造自動化PDCA閉環引擎，實現從資料收集、分析監測到回饋優化的一站式系統化治理，並導入AI進行指標趨勢預測與異常風險預警，自動生成結構化通報與改善建議行動。此架構經實務驗證，成功讓指標處理天數縮短90%、報表製作時間下降50%，整體管理效率提升高達200倍。
叡揚預測式AI跨場景落地，打造智慧決策中樞
叡揚巨資事業處經理任小萱博士則表示，在「健康台灣」政策框架下，醫療AI的落地不僅要求準確，更必須具備「可解釋性」以建立臨床信任，並落實AI生命週期的循環監測。
任小萱博士指出，醫療AI成功的關鍵在於研究設計須克服多來源異質資料、縱向重複測量及競爭風險等複雜性，使模型真正符合臨床情境。叡揚資訊目前已將預測式AI從輔助診斷拓展至「風險預測與早期介入」及「發生時機與長期趨勢預測」等場景，並成功應用於傳染病監測及疾病風險評估，協助醫療機構打造可預測、可解釋且長期穩定運行的智慧決策中樞。