診所導入 AI 病歷整理前該問廠商的問題：資料怎麼串接才不會白做

一間看診量穩定的家醫科診所，院長最近被兩家廠商輪番拜訪，一家推的是語音轉病歷，醫師講話系統自動生成病歷初稿；另一家主打病歷關鍵字自動歸類與健保申報輔助。兩份提案都附上漂亮的簡報，準確率數字寫得很高，月費也在診所可以負擔的範圍。院長心動，但也有點猶豫——診所用的是某家老牌的電子病歷系統，已經用了七八年，病歷欄位、用藥代碼、掛號資料都已經固定成一套習慣。如果新系統沒辦法跟現有病歷系統順暢串接，那不管語音辨識再準，最後還是得靠護理師手動謄一次，等於多花一筆錢卻沒省到工。

這種猶豫並不是多慮。前一階段我們談過不少診所導入 AI 後才發現資料對不起來、還要重新輸入的案例，問題往往不是模型不準，而是導入前沒有把「資料怎麼進、怎麼出」這件事問清楚。診所的病歷、用藥、檢驗資料分散在不同系統裡，格式不統一，這正是評估階段最該花時間的地方，而不是留到簽約之後才發現。

導入前先確認這三件事，而不是先看準確率

準確率是廠商最愛秀的數字，但對診所來說，真正決定成敗的往往是前置的相容性問題。第一件事是現有電子病歷系統是否開放 API 或至少支援標準格式匯出，如果廠商的方案需要「先把病歷匯出成 Excel 再匯入」，這種人工中介步驟長期下來會拖垮效率，也容易出錯。第二件事是資料歸屬與儲存位置，病歷屬於高度敏感資料，新系統的語音紀錄、生成的病歷草稿存放在哪個伺服器、是否符合衛福部對病歷上雲的規範，這些在簽約前就該問清楚，而不是等到稽核時才發現踩線。第三件事是現場工作流程的落差，例如醫師習慣邊看診邊講話，還是看完診才口述摘要，不同科別、不同看診節奏適合的語音擷取方式差異很大，廠商的標準流程不一定適用診所的實際狀況。

POC 該怎麼設計才知道準不準

多數廠商會提供一到兩週的免費試用，但如果只是讓醫師隨意講幾句話看系統反應，這種測試幾乎測不出真正的問題。比較務實的做法是找出診所裡病歷內容最複雜的三到五種常見情境，例如慢性病連續處方、多重用藥病人、需要轉診的病例，讓醫師用平常看診的語速和用詞實際測試，再由護理人員或醫師本人逐字核對生成的病歷草稿，記錄需要修改的比例。如果超過三成內容需要人工大幅修改，那所謂的「效率提升」多半只是把工作從打字變成校對，節省的時間有限。試用期也應該涵蓋診所最忙碌的時段，例如假日或流感季節的看診高峰，因為系統在安靜環境下的辨識率，跟診間背景有其他人說話、有電話聲的實際狀況，往往差距不小。

該問廠商的關鍵問題，以及該提高警覺的回答

以下是幾個實務上值得直接問廠商的問題，以及回答方式透露的訊號：

如果廠商在資料串接與資料歸屬這兩個問題上答得含糊，通常代表這部分他們自己也還沒有成熟的解法，診所簽約後很可能要花額外時間跟廠商一起「邊做邊改」，這對已經人力吃緊的診所來說是額外負擔而不是省力工具。相反地，如果廠商能具體說明串接方案、資料治理方式，甚至主動提出分階段上線的建議，通常代表這家廠商真的處理過類似規模的診所案例。

最後該確認的一件事

在簽約前，把「這套系統萬一半年後想換掉或停用」這個情境也想清楚——病歷資料能不能完整匯出、匯出格式是否通用、有沒有被綁在特定廠商生態系裡。這件事平常不會被特別提起，但決定了診所未來調整方向時有多少彈性。把資料串接、試用驗收、退場機制這幾件事在簽約前談清楚，比單純比較準確率數字，更能反映這套系統是不是真的適合診所現在的工作方式。