疾病分類編碼是醫療行政管理與健保申報的關鍵環節，國際通行的ICD-10診斷代碼約有6.9萬個、處置代碼高達7.2萬個，過往必須仰賴專業人員詳細研讀病歷判讀分類，耗時費力...

臺大醫院病歷資訊創新團隊，與醫務秘書兼智慧醫療中心主任陳信希教授，以及中央研究院黃瀚萱副研究員合作下，針對這項「高知識密集、無自動化」的任務，率先首創自行訓練地端生成式大型語言模型（Large Language Model, LLM），導入自然語言處理與深度學習技術，以專屬訓練策略結合疾病分類專家知識，打造輔助疾病分類的AI模型，有效突破傳統自然語言處理模型在長文本理解、時序判讀與病歷專業邏輯推理上的限制。

AI預測精準度飛躍，打造智慧醫療新標竿

臺大醫院團隊以本地端自主開發的大型語言模型進行訓練與部署，實驗顯示該系統在主診斷預測任務上達到82.29%準確率，全碼預測F-score則高達86.67%。這項成果歸功於多項創新設計，包括：

• 建立系統化專家知識回饋流程，週期性模型更新：創新導入疾病分類專家知識於模型訓練中，如新興疾病、新醫療技術與其他困難疾病編碼也可正確預測
• 雙任務架構：主、次診斷分開訓練，強化模型聚焦主診斷判別能力。
• 病歷欄位重要性排序：根據實務經驗，優先納入出院診斷、手術紀錄等核心段落。
• 格式標準化與語意對應：模型輸出除ICD碼外，也附上疾病文字定義，增強模型語意理解與判斷一致性。

此外，針對實際應用，系統介面設計充分考慮疾分人員需求，功能整合於原先作業介面，流程整合順暢、操作直觀，已全面導入臺大醫院各分院，使用者滿意度高達95%。此系統不僅提升編碼品質，更間接影響健保給付精準落點、研究統計分析，以及公共衛生政策制定的基礎資料正確性。

科技與臨床深度結合，打造智慧醫療國際典範

計畫主持人莊秋華主任表示，在臺灣健保制度下，ICD編碼與醫療資源給付密切連動，編碼品質直接關係到醫療體系的營運效益與臨床資訊應用的完整性。而此次開發的大型語言模型系統，不僅是技術的躍進，更體現跨領域專業深度融合的成果。針對2025年即將全面實施的ICD-10 2023年新版，莊主任也指出，本系統具備快速對應改版的彈性架構，只需更新相關編碼定義與語料，即可迅速適應新版規則，縮短轉換期。團隊未來將持續優化AI輔助編碼模型，減輕編碼人員工作負荷，以專注於高複雜性案件或其他長期規劃，並朝商業應用模式發展，已授權1家醫學中心使用。

詳細資訊→生成式AI疾病分類編碼輔助系統|國立臺灣大學醫學院附設醫院 莊秋華主任|第21屆國家新創獎