按 Enter 到主內容區
:::

衛福部LOGO

:::

為因應大量的醫療申報資料,並邁向精準審查的目標,中央健康保險署運用人工智慧(AI)科技,最近自行成功開發自然語言處理(Natural Language Processing, NLP)模型,透過電腦針對放射診斷(例如電腦斷層)的檢查報告進行自動化判讀,協助審查作業的精準化及效率化,並透過資訊回饋與醫界共同合作,減少不必要的檢查,以更好的醫療品質照顧全民健康。

健保署表示,全民健保自開辦以來,即收載全國性醫療費用申報數值型結構化資料,其中每年門診申報達3.6億件,住診也有344萬件,並自103年起鼓勵特約醫療機構上傳檢驗與檢查等非結構化文字型報告,截至108年7月,已累計收載檢驗檢查報告24.7億筆,資料量可謂非常龐大。

為使健保醫療費用審查作業更為精準並且提高效率,並減輕3,500位審查醫藥專家每年約需完成260萬件專業審查案件的負擔,運用檢查報告資料可以更全面的評估檢查的必要性,精準篩選執行量異常的醫院或醫師,再經由專業審查以合理給付醫療支出,增加審查效率。而大量檢查報告資料則需運用AI技術,才能整理成為可運用的資訊。

健保署表示,從健保大數據分析,在各項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檢查報告NLP模型,訓練機器學習專家標註及判讀的結果,並選取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,結果顯示,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%。

健保署進一步分析,運用NLP模型分析107年第4季14萬筆頭部CT檢查報告,結果顯示約有四成左右的檢查結果是與疾病無直接相關,其可能因疾病排除或治療後追踪的檢查所致,但也有可能係不必要的檢查。

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2.3萬件(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模型進行輔助分析。

健保署表示,開發AI智慧作為醫療申報的審查工具,乃時勢所趨,該署初步運用建置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。

健保署李伯璋署長表示,未來健保署將持續應用大數據與AI科技輔助,在尊重醫療專業的前提下,以謹慎的態度投注於民眾檢查管理,發展智慧醫療服務審查系統,讓病醫雙贏、健保永續。

 

  • 建檔日期:
  • 更新時間:
  • 資料來源:中央健康保險署