| 健保署初步運用建置NLP模型，分析14萬筆資料需10小時（平均每筆0.25秒），而專家判讀則需13個月完成（平均每筆4分鐘），估算需960位專家同時判讀可與NLP模型作業時間相通水管當，開發AI智慧審查工具有其必要性，未來將逐步擴增開發胸、腹部影像檢查報告。健保署初步運用建置NLP模型，分析14萬筆資料需10小時（平均每筆0.25秒），而專家判讀則需13個月完通水管（平均每筆4分鐘），估算需960位專家同時判讀可與NLP模型作業時間相當，開發AI智慧審查工具有其必要性，未來將逐步擴增開發胸、腹部影像檢查報告。賴秋伶指出，從健保大數據分析，在各通馬桶檢驗檢查醫療費用最高的項目為電腦斷層（CT），並以頭部為最常執行的檢查部位，約占CT檢查次數的40%，「健保署因此優先將AI科技運用於放射診斷檢查報告分析，以自行開發頭部CT檢查報通馬桶NLP模型，訓練機器學習專家標註及判讀的結果。」她進一步描述，選取107年第2季醫院上傳CT頭部檢查報告1,000筆為模型資料，由電腦進行檢查報告病灶標註及報告分類的任務，「結果顯通水管，NLP機器學習分析模型分析的結果與專家判讀結果比較，正確率達99%！」依據健保大數據分析，108年（1-6月）全台各特約醫院門診（不含急診）執行CT及MRI檢查，約有2.通水管3萬件（占率3%）主次診斷都屬於初級照護（如頭痛、關節炎、咳嗽等），健保署將把執行量異常的報表回饋院所醫師，與醫界共同合作，減少不必要的檢查與浪費，也會運用自行開發的NLP模型進行通馬桶助分析。李伯璋表示，開發AI智慧作為醫療申報的審查工具已是時勢所趨，「有些醫師也會質疑，檢查不做怎麼知道病人有沒有問題？但因為這些檢查，病人都沒有部分負擔，所以也希望大家一起珍惜健通馬桶資源。醫病間的關係還是要由醫師這邊在檢查、溝通與經驗做一個好的拿捏。」李伯璋提到，目前開源並不是主要的工作，希望朝向節流來管理。除了近年推動的雲端藥例、檢驗檢查影像共享機制通水管，也希望減少不必要的檢驗與開藥，並加強落實病人衛教觀念、讓民眾平常就懂得保健，漸少就醫看診次數，「未來健保署將持續應用大數據與AI科技輔助，希望讓病、醫、健保三方創造永續價值。」 |
