鼻子過敏變死亡、驗孕變流產?健康存摺App就醫紀錄漏洞百出,健保署回應了
鼻子過敏變死亡、驗孕變流產?健康存摺App就醫紀錄漏洞百出,健保署回應了
2020.06.17 | 時事焦點

最近因為口罩實名制的關係,健保署的「健康存摺」APP也跟著被許多人使用。而有一位媽媽利用健康存摺查詢兒子的就醫記錄,卻沒想到自己兒子在兩個月內,竟然三度被報為「不明原因死亡」,讓媽媽相當傻眼,也覺得很觸霉頭。而且,根據健保署事後表示,其實國內在健康存摺內「被死亡」的人恐怕還不少。

這位媽媽表示,根據他的查詢,發現自己兒子在106年的8月到9月間,竟3度被申報為「界定不清及不明原因的死亡」,但兒子明明健健康康的活著,而且怎麼有人可能會死了又死,死了再死?因而上爆怨公社去爆料。

結果沒想到他po完之後,也有很多網友表示健康存摺真的錯誤百出,有人去挖耳屎卻成了耳聾,也有人去驗孕卻被報成了流產。

而發生這些問題,很多都是因為醫生在輸入資料時要輸入的「診斷碼」輸入錯誤導致。尤其是因為診斷碼非常多,而醫生也不見得記得住每一個,有時就有可能有輸入錯的情況發生。

根據健保署表示,那位媽媽的案例中,發生問題的原因是該民眾至桃園某醫院皮膚科看診,醫師在輸入診斷碼手誤,導致資料有誤,醫師原本想申報R098「鼻過敏」,卻誤植為R99「 界定不清及不明原因的死亡 」。院方將會向健保署申請更正為正確診斷碼,醫院主管亦已聯絡家屬說明並致歉,家屬表示健保署及院方都有在處理,請大家給相關單位時間修正。

門診申報錯誤率比住院高,健保署:診斷碼輸入錯誤

健保署進一步說明,現行醫療院所申報醫療資料以105年改版為國際疾病分類標準第十版「ICD-10」,包含門診、急診及住院資料,健保署在醫療院所申報醫療資料時會進行邏輯檢核,其中本案院所輸入錯誤的R99「界定不清及不明原因的死亡」,院所原意想輸入鄰近診斷碼,應屬錯誤。有關於R99「界定不清及不明原因的死亡」是否列為健保署檢核系統的邏輯條件,因為包含門診、急診及住院,健保署將再洽相關學會及專家討論。

根據健保署表示,他們全面檢視院所醫療申報資料,也發現門診醫療資料申報錯誤率比住院高,106年計123家院所436人、107年計145家院所509人、108年計164家院所505人, 近三年共計有258家院所、1,533人、3,772件數(約佔申報量百萬分之4.2)有類似的錯誤情形。

健保署表示將會立即進行更正,將通知有誤植之醫療院所立即進行更正,以及會再洽相關學會及專家討論申報系統檢核邏輯,以針對健康存摺的正確性進行更正以及加強。民眾若對健康存摺內容有疑問,可撥打健保免付費電話0800-030598詢問。

責任編輯:陳映璇

本文授權轉載自:T客邦

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓