北榮醫院「數據戰情室」直擊!看高層如何用一面數位牆做決策?
北榮醫院「數據戰情室」直擊!看高層如何用一面數位牆做決策?

猜一猜,每年平均有多少門診患者走進臺北榮民總醫院(以下簡稱北榮)?

答案是「250萬」。儘管這筆數字包含重複造訪人次,但一間醫院負擔的人流,竟與全年造訪台灣的香港加韓國旅客數相當,不難想像管理階層做決策時面對的壓力與困難。

北榮數據戰情室上線,初期串連百種管理指標

北榮智慧管理中心
以圖形化介面呈現醫院管理數據,乍看之下與股市看盤軟體有點像。
圖/ 王郁倫攝影

6月12日,北榮啟用「智慧管理中心」,這間數據戰情室配有86吋數位看板1塊、55吋2塊,預計可提供11名院方高層開會使用。智慧管理中心系統由研華提供,以WISE-Stack 300數據平台伺服器為基礎,透過不同模組整合資訊,能匯集一般/加護病房占床率、死亡率等多項即時/非即時管理數據,並提供分析結果。北榮預期,第一階段將上線超過百個醫療品質指標。

數據戰情室概念,近年來在國內各醫院發酵,如奇美醫院運用在急診室、臺中榮總落實於糖尿病患者照護。北榮是第一間,將數據管理平台用在醫院管理的醫學中心。

「如同蓋了一艘航空母艦,上面要放哪些戰鬥機,未來都可以再精挑細選。」計畫主持人、北榮品質管理中心主任周元華形容。

他舉「14天非預期住院率」為例,這項指標顧名思義,指的是患者出院後,兩週內因病再住院的機率;每科別都有各自記錄。

北榮智慧管理中心
北榮即時整合醫院管理數據,最大優點在於能做到資源分配與配置。
圖/ 吳元熙攝影

對醫院而言,若非醫師規劃、評估有住院需求,患者出院後短期又入院,某種程度代表上次接受的治療並不完善。同樣道理也可以用在解讀「手術後24小時再住院率」上。

透過視覺化、即時呈現「加護病房占床率」,則可掌握各科別容納量,若不幸發生重大災難時,能更快速分配資源。

北榮院長張德明表示,2019年至美國約翰霍普金斯大學醫學院參訪時,看到他們將門診、急診人數、手術數量、營收狀況、衛材管理、人事資料等,其至各部門的績效、KPI統整至一套系統內,覺得相當驚艷。希望北榮啟用智慧醫院管理中心後,能改變過去在月底看報表的傳統經營方式,即時掌握資訊。

「不是水管接起來就好」,醫院建數據管理系統的兩大難題

經過兩年時間規劃、討論與實作,北榮智慧醫院管理系統正式上線,除了能在戰情室觀看管理數據變化,包含院長、5名副院長與各科、處室主管在內,未來都能依權限自行在電腦登入使用。

周元華笑說,大家都覺得做系統不是就把所有數據串起來,「水管」接上就好了嗎?其實,醫院有許多先天難題存在。

首先,是 資安 。由於醫院存放大量患者個資,加上近年來不斷有駭客攻擊醫療機構事件發生,北榮決定採「私有雲」方式,由研華建置500萬等級的主機,讓院內資訊室以備份資料、即時存取數據方式串連管理系統。

北榮智慧管理中心
周元華認為,這套管理系統不重「量」,除了努力尋找能直接串連的即時數據,也期待各處室提供非即時的重要參考指標。
圖/ 王郁倫攝影

他解釋,就像送報紙到門口信箱,不需進入家裡一樣。醫院把資訊拿出來放在主機特定位置,提供管理系統抓取,「就算發生了什麼意外、信箱燒掉,不會整個家裡都出事。」

其次,也是最大的挑戰,與 醫療管理數據的「龐雜」有關

「光是醫療品質指標至少超過600個,當中15%是紙本記錄,因此我們初步上線系統的指標比例約在20%左右。」周元華表示。

他解釋,醫院的數據項目無法用「幾個」來描述,高達上千種也不誇張。因此,拿數據的困難在於「如何挑選」,過去一份報表裡或許有20個項目,現在有18種都派不上用場,唯有挑出能即時串連系統的指標,對管理層才有較大幫助。

實際上,在新冠狀病毒(COVID-19,俗稱武漢肺炎)疫情期間,約翰霍普金斯大學也以視覺化儀表板(dashboard)方式統整各國數據,提供外界了解全球疫情動態。

研華科技智能服務事業群副總經理江明志表示,提供給北榮的這套管理系統,研華自己也在使用,每天早晚會更新兩次,目的是讓經理人即時掌握公司現況與目標,不斷精進調整。

周元華不諱言,醫院記錄數據雖完整,但多數保留在各單位與處室中,若院方需要了解相關內容,需「跨區」詢問,屬於低效率做法。現在開始,系統將提供直覺式的圖形化分析,還要試圖結合「早期危險警示系統」,透過影像預防患者跌倒。

他強調,系統一定會持續優化,「重點是,有了航空母艦後,醫院前進的速度和過去就不同了。」

責任編輯:陳映璇

關鍵字: #研華
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