從AI伴行到AI優先，奇美醫院揭AI發展4階段布局

奇美醫院院長林宏榮日前在臺灣醫院資訊主管會議上，揭露奇美醫院AI發展路徑，從2005年的基礎數位化開始累積分析能力，到了2019年成立AI中心、從BI過渡到AI，2023年開始投入生成式AI應用、進入AI Together（AI伴行）階段，2025年至今則瞄準代理型AI（Agentic AI）應用。

在AI伴行階段，奇美醫院將AI視為醫護人員的工作助手，因此打造A+巡房大聯盟和A+ HIS Copilot助手，比如A+藥安師，來輔助醫護整理病歷資料、提醒注意事項、跨職類同步病人資訊。目前，奇美準備發展AI代理，但還沒正式上線，因為尚未準備好能安全執行AI代理的環境。林宏榮形容，醫院得先蓋好「龍蝦池」，先做好資料治理、建置安全的沙盒環境，才能放心發展AI代理應用。

早在2005年，奇美就開始建置資料倉儲、導入商業智慧（BI）工具，累積醫療資料分析能力，打下數位化基礎。隔年，他們打造病歷整合資訊系统，包括病歷彙總、甘特圖藥歷，更在2017年擴大、發展為以病人為中心的住院照護團隊溝通平臺。

到了2019年，奇美醫院成立AI中心，將長年累積的生物統計分析能力延伸到機器學習與深度學習，發展疾病風險預測模型。

奇美當時的AI發展策略是聚焦疾病預測，而非醫療影像AI。林宏榮解釋，醫療影像AI需要大量運算資源，也必須投入大量人力標註影像。相較之下，奇美累積多年臨床資料與生物統計分析經驗，更適合從既有能力出發，聚焦疾病風險預測模型。

後來，奇美發展出32個已上線的疾病風險預測模型，涵蓋13個科部，比如呼吸衰竭、敗血症或休克等，醫師在HIS頁面就能查看病人的相關疾病風險預測。

2023年，生成式AI興起、在全球掀起診間革命，奇美成立實證醫學暨醫療政策中心，從醫療政策角度發展生成式AI應用，要AI成為醫護的工作助手、進入AI Together階段。

當時，他們先從護理紀錄這類臨床文書工作切入，用生成式AI協助整理病人資訊、將龐雜的生命徵象和管路記錄，轉換為紀錄初稿，降低醫護人員重複輸入、整理文字的時間。有了這個成功經驗，奇美醫院把這套應用擴大到更多職類，如醫師、藥師和其他醫事人員等，打造專屬的AI數位助理。

這些助理越做越多，後來發展為A+ HIS Copilot和A+巡房大聯盟，前者可以協助醫護人員整理病歷、進行除錯與摘要，後者能針對各職類人員，整合多方臨床數據、提供醫療建議，甚至跨職類讓不同職類人員，比如醫師、護理師、復健師和營養師等，同步獲得最新病況，大幅減少重複溝通和手抄負擔。

這套生成式AI協作機制獨立於既有HIS外，不必大幅修改原有HIS程式，也避免改版風險和當機的連鎖反應。

林宏榮點出，醫院導入生成式AI，不只是減少文書工作負擔而已。「如果能幫忙做病人安全，這才是醫療品質的聖杯。」因此，奇美也把這階段的生成式AI應用，延伸到用藥風險分析、住院病人評估等工作。

A+藥安師就是一大亮點。

林宏榮回憶，奇美過去曾面臨藥師大量流失，人力一度比院內設定編制短缺20多人。為了改善工作環境，醫院陸續導入智慧藥櫃、智慧調劑臺，也與群創聯手開發化療調配機器手臂，減少重複性工作及高風險調劑作業。

但藥師的負擔不只有調劑藥物，還包括檢查病人的用藥安全。林宏榮舉例，一名藥師可能負責整個病房、上百名病人的用藥，必須從大量病歷中找出可能發生藥物不良反應、劑量問題或過敏風險的個案。

過去，奇美用規則式（Rule-based）系統，依照預先設定的條件篩選病人，但醫療知識會隨著研究文獻與臨床指引更新，既有規則可能逐漸過時，維護也成為負擔。

因此，奇美醫院打造A+藥安師，AI先分析病人病歷及用藥資料，找出可能需要藥師介入的個案。例如，當藥師負責100名病人時，AI可以先篩選出其中可能有用藥問題的10名病人，並整理相關病史，供藥師優先檢查，不必逐一翻閱所有病歷。

林宏榮指出，這套系統每天約可節省藥師150分鐘工作時間，後來也獲得國家醫療品質獎（NHQA）金獎肯定。

同時，為降低生成式AI幻覺對用藥安全的影響，奇美進一步將AI與Medi-Span藥學資料庫結合，利用檢索增強生成（RAG）技術，引入持續更新的藥學知識。進一步來說，奇美會先用Medi-Span分析病人的用藥資訊，篩選可能存在的藥物交互作用、禁忌症、劑量等問題，再結合AI處理相關資訊，最後由藥師進行專業判斷。

有了生成式AI的應用經驗，奇美接著不只是增加AI工具數量，還讓AI進入更多醫療與行政工作流程。「我們要讓AI在每一個職類都有，然後在每一個流程都有，」林宏榮說。

他們希望為40個醫療部門、13個行政部門配置專屬的生成式AI數位助理，讓不同職類依照自身工作需求使用AI。

在臨床端，除了協助醫師、護理師及藥師處理文書工作，奇美也有A+巡房大聯盟，利用AI評估住院病人的風險，協助不同專業人員共同照護病人。

在行政端，奇美則利用地端AI系統協助產生公文初稿、審核文件及處理會議相關工作，減少行政人員的例行文書負擔。這些應用，反映了奇美希望AI從單一工作助手，延伸到不同職類及工作流程。

2025年開始，奇美醫院進入AI First（AI先行）階段，要AI從協助人員處理工作，漸漸走向能規畫並執行任務的AI代理。

不過，林宏榮坦言，奇美目前還沒正式開始應用AI Agent，因為醫院尚未建立足夠完善的安全執行環境。

「你不能讓龍蝦亂跑、搞破壞，龍蝦還可能逃逸。」林宏榮以「龍蝦池」比喻AI Agent需要的沙盒（Sandbox）環境，可讓程式或AI代理在受到限制的環境中執行任務，避免直接影響正式系統或不應存取的資料。對醫院來說，AI Agent若要讀取病歷、操作資訊系統或執行工作，就必須先確保它只在允許範圍內活動，避免發生資料外洩或不當操作。

但要建立這樣的環境，醫院得先做好資料治理。林宏榮指出，這是醫院IT較缺乏的技術能力，因此奇美醫院接下來要先補足治理與安全執行環境，才能進一步發展AI代理。

另一項挑戰是AI Agent如何與既有的機器人流程自動化（RPA）整合。

過去，奇美醫院已用RPA處理不少重複性工作，但RPA主要依照事先設定的規則與步驟執行任務。未來若能結合AI Agent，就有機會讓AI負責理解任務、規畫步驟，再由RPA執行固定、可預測的操作，形成代理式自動化（Agentic Automation）。

不過，林宏榮強調，AI Agent與RPA究竟如何整合，仍是他們正在探索的問題。

除了技術架構，AI也可能改變醫院資訊工程師的工作方式。

林宏榮回憶，自己剛到奇美醫院服務時，資訊工程師經常走進臨床現場，與醫護人員溝通需求。但隨著資訊系統發展，工程師逐漸留在資訊室，與第一線使用者反而有所距離。

如今，AI應用快速發展，他認為資訊工程師可能要重新回到第一線，扮演前線部署工程師（Forward Deployed Engineer，FDE）的角色，結合資訊技術與臨床需求，協助醫護人員解決實際工作問題。至於FDE與既有敏捷開發、Scrum等方法如何搭配，林宏榮認為仍待探索。他不認為FDE會取代敏捷開發，而是兩者未來可能需要結合。

面對日新月異的AI技術，林宏榮坦言，醫院難免擔心跟不上發展，或選錯技術方向。但他的策略不是一味追逐最新技術，而是「比科技最前沿落後兩步」，保持謹慎，卻也持續跟進。

從AI Together、AI Everywhere走向AI First，奇美醫院希望AI從醫療人員的工作助手，擴大到不同職類和工作流程，最後再探索AI Agent執行任務的可能性。但在AI能自主參與醫療工作前，醫院還得先建立資料治理、安全執行環境，以及能更理解臨床需求的資訊團隊。