臨床新創 - 醫療軟體開發
生成式AI疾病分類編碼輔助系統
2025-01-14
莊秋華主任團隊/國立臺灣大學醫學院附設醫院、中央研究院
莊秋華、陳信希、黃瀚萱、游雅雯、田敏慧、陳敏涵、郭律成、尚榮基、曾名毅、游斐雲、陳志維、連庭佳、李宗緯、林欣怡、黃冠芝
本專案為跨領域計畫由主持人臺大醫院病歷資訊管理室莊秋華主任,偕同國立臺灣大學資工系陳信希教授(兼任臺大醫院醫務秘書)及中央研究院黃瀚萱副研究員共同主導開發智慧編碼模型,全國首創以生成式大型語言模型(LLM)技術應用於疾病分類編碼輔助系統,對疾病分類編碼任務進行最佳優化,主要特色在可預測主診斷、導入疾病分類專家知識並建立系統化週期性模型更新模式,所開發出NTUH智慧編碼模型其主診斷可衍伸應用於DRG推論,並在確保資訊及病歷隱私安全防護措施,符合使用者需求之設計,大幅提升預測編碼在精確度(Precision)、預測(Accuracy)效能,節省疾病分類人員工作時間與使用滿意度;研發主診斷獨立預測模組,提供最佳DRG落點分析,讓醫院獲得合理給付;不只訓練模型效能優異,已落地臺大全體系各分院使用,目前已取得專利,並已商業授權1家醫學中心使用,後續將朝向商業應用模式邁進。
評審推薦
1.該技術創新地應用了AI進行主診斷,並能提供精確的DRG落點分析(準確度達82.29%),最大限度地利用真實世界數據,具創新性。
2.LLM模型的訓練經過細緻的專家知識整合,針對不同科別與病歷撰寫進行細部優化,並建立了系統化的專家知識回饋流程,提升系統的準確性與應用效果。
3.系統能夠在病患量大的醫學中心有效加速臨床流程(節省約14%的工時),提升資源應用效率,具有實務應用潛力。
2.LLM模型的訓練經過細緻的專家知識整合,針對不同科別與病歷撰寫進行細部優化,並建立了系統化的專家知識回饋流程,提升系統的準確性與應用效果。
3.系統能夠在病患量大的醫學中心有效加速臨床流程(節省約14%的工時),提升資源應用效率,具有實務應用潛力。
團隊簡介

|
||
學歷 |
國立台灣大學健康政策與管理研究所博士 | |
現職 |
1.台大醫院病歷資訊管理室 主任 |
|
經歷 |
1.台大醫院病歷資訊管理室 副主任 |
本網站中所有資料(包括影音.文字.圖表.數據等) ,均屬於本中心或各該新創企業團隊之專屬財產,如有引用,請確實註明出處來源。
<完整資訊>
財團法人生技醫療科技政策研究中心 版權所有
Copyright © 2012 - 2025 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved
Copyright © 2012 - 2025 Research Center for Biotechnology and Medicine Policy (RBMP). All Rights Reserved
