臺灣如何完成5,050筆LOINC對照表？醫檢學會揭實作過程

這份5,050筆臺灣版LOINC對照表，看起來只是一份代碼清單，背後卻動員了35家醫院、154位醫檢專家，以及醫療器材廠商共同參與。從2025年底接下任務，到今年5月中交出成果，實際執行時間只有5個月，中間還跨了一個農曆年假。

對曹國倩來說，這不只是一次標準化工程，更像是一場全國性的醫學檢驗資料盤點行動。

為什麼光是血糖，就可能有18個LOINC碼

LOINC（Logical Observation Identifiers Names and Codes）是目前全球最廣泛使用的醫學檢驗標準之一，已發展超過30年，目前約有190個國家使用。

和一般人想像不同，LOINC並不是單純替檢驗項目編上一組代碼，而是透過6個關鍵資訊來定義每項檢驗，比如檢體種類、檢驗方法、採檢時間等。只要其中一個條件不同，就可能對應不同的LOINC代碼。

以常見的血糖檢驗為例，這個血糖可能是空腹血糖、飯後血糖，也可能是在喝糖水後1小時、2小時或3小時測量的數值；檢體來源也可能是血液或尿液。雖然都與血糖有關，但實際代表的檢驗情境並不相同。

因此，在LOINC的定義裡，這些檢驗就得用不同代碼來區分。光是一項血糖檢驗，就可能對應18個不同的LOINC碼。

曹國倩點出，正因為LOINC能夠細緻描述檢驗內容，當資料在不同醫院、不同系統之間交換時，接收端不只知道這是一項血糖檢驗，還能理解它是在什麼情境下產生、代表什麼樣的檢驗結果。

一個敗血症分析案例，看見標準化的價值

曹國倩也以敗血症分析為例，說明LOINC標準化的價值。

她表示，醫院分析大腸桿菌（E. coli）相關資料，若直接將不同檢體來源的資料一起統計，ESBL抗藥性比例約為38%。

但若進一步用LOINC碼區分檢體來源，只保留血液培養資料進行分析，ESBL比例則提高至接近60%。兩者結果相差超過20個百分點。

這是因為，大腸桿菌可能來自血液、呼吸道、尿液或其他檢體，而不同檢體代表的臨床情境並不相同。若將所有資料混合分析，容易稀釋或掩蓋特定疾病的真實特徵。

曹國倩指出，LOINC的重要價值不只是統一代碼，更能透過檢體、檢驗方法等資訊，協助資料進行更精確的分類與分層。對臨床研究、感染控制、抗生素管理和AI模型訓練來說，都能提供更可靠的分析基礎。

為什麼需要一份臺灣版LOINC對照表？

雖然LOINC是全球通用的醫學檢驗標準、臺灣檢驗通報也已使用多年，但要在臺灣更大規模落地並不容易。

這是因為，LOINC官方資料庫已累積超過10.9萬筆代碼，而且還持續增加。對醫院檢驗人員來說，要從中找出最符合自家檢驗項目的代碼，往往需要耗費大量時間和專業判斷。

更重要的是，臺灣醫療院所長期以健保核價碼，來管理檢驗項目。健保碼的設計目的是醫療申報與給付，並非資料交換標準，因此同一個健保碼底下，可能對應多個不同的LOINC代碼。

以過敏原檢測、細菌培養或基因檢測為例，一個健保碼底下可能涵蓋數十甚至上百種不同檢驗內容。若沒有額外對照與標準化，就很難精準對應到國際標準。

也因此，這次專案最核心的任務，就是替臺灣常用的健保檢驗項目建立LOINC對照關係，讓醫院不必再從10萬多筆代碼中逐一查找。

廠商先提供資料，再由醫院與專家驗證

這項專案由衛福部資訊處指導、臺灣醫事檢驗學會執行，並集結兩大團隊參與，一邊是醫院醫檢專家，另一邊是醫療器材公會帶領的醫療器材與檢驗試劑廠商，自去年底展開專案。

他們的策略是，先由廠商提供檢驗試劑對應的LOINC資訊，再由學會工作小組整理資料，最後交給醫院醫檢人員進行比對與確認。

不過，由於每家醫院都有數千項檢驗項目需要編碼，若全部交由單一團隊處理，工作量相當龐大。因此，專案團隊依照生化、血液、免疫、微生物等不同學門分工，讓不同醫院負責特定領域的LOINC編碼工作。

再來，為了確保品質，專案團隊還要求，同一項檢驗由不同醫院編碼4至5次，再進行交叉比對和專家審查，來確認最終的LOINC代碼。

可以說，專案的重點不只是找到代碼，而是確認不同團隊最終是否得到一致答案。

有醫院靠AI，有醫院自己寫程式加速編碼

面對龐大的編碼工作量，各家參與醫院，也發展出不同做法來提高效率。

例如，有醫院導入AI語意比對工具，自動找出候選LOINC代碼，再由醫檢師人工審查確認；也有醫院自行開發比對程式，批次比對LOINC官方資料庫後，再由專家複核結果。還有醫院採取較傳統的方式，由醫檢人員逐筆查詢LOINC官網、人工比對代碼。

雖然做法不同，但最終都回到醫檢專家的專業判斷，由人工逐筆確認編碼結果。

在這樣的分工和驗證機制下，18家核心醫院共完成20,973筆LOINC編碼資料。再加上12家醫材廠商提供的編碼資料，以及後續補齊的健保檢驗項目，專案團隊總計完成39,172筆編碼資料。

由於不同團隊可能為同一項檢驗編出相同代碼，因此這些資料還必須經過人工審查、交叉驗證、LOINC官方資料庫比對，專案團隊甚至使用Claude AI，來輔助檢核。最終，團隊從近4萬筆編碼資料中，整理出5,050筆臺灣版LOINC對照表。

一個健保碼，背後可能藏著267個LOINC碼

專案完成後，團隊也進一步分析這5,050筆編碼成果，共涵蓋18個檢驗學門，前5大類包括生化、免疫、微生物、病毒及血液檢驗。

根據統計，2025年健保共有760項檢驗項目，其中已有750項完成LOINC對應，涵蓋率幾乎達99%。不過，團隊也發現，超過一半的健保碼其實不只對應一個LOINC碼。

這是因為，健保碼主要是為了申報與給付而設計，比較像是「大分類」；LOINC則更進一步描述檢驗的細節，包括檢體種類、檢驗方法和檢驗內容等資訊，更像是「細分類」。

例如特異過敏原檢測，在健保系統裡只是一個檢驗項目，但實際上可能檢測的是花粉、塵蟎、海鮮或其他過敏原。因此，最後可以對應到267個不同的LOINC碼。

細菌培養也是同樣道理。雖然健保申報時可能使用同一個代碼，但如果檢體來自血液、傷口、痰液或其他部位，代表的臨床意義其實不同，因此最後可對應到265個LOINC碼。

曹國倩表示，LOINC最大的價值，就是把原本被歸在同一類的檢驗項目，進一步拆解清楚。未來醫院交換資料時，不只知道病人做過什麼檢驗，也能清楚知道檢驗的是什麼、怎麼驗，及其代表的意義。

完成對照表只是起點，下一步要讓醫院真的用起來

這份臺灣版LOINC對照表已涵蓋99%的健保核價檢驗項目，也整理出臺灣最常使用的檢驗代碼。

但在曹國倩看來，這份對照表只是起點。真正的挑戰是，如何讓各家醫院把這些代碼真正導入資訊系統，成為日常檢驗作業的一部分。

為推動落地，專案期間，團隊也在北、中、南舉辦多場教育訓練與工作坊，邀請實際參與編碼的醫檢專家分享經驗，並培育超過20位種子講師，共有331人參與相關課程。

下一步，臺灣醫事檢驗學會也規畫建立LOINC專區網站，提供代碼查詢工具、教材、課程影片和專家問答服務，協助更多醫療院所導入LOINC標準。

曹國倩表示，過去醫院若要導入LOINC，往往自行到官方資料庫，從超過10萬筆代碼中尋找適合的項目，不僅耗時，也容易產生不同解讀。

但現在有了臺灣版LOINC對照表，醫院可以優先從這5,050筆常用代碼中查找，大幅降低導入門檻。「先從這5,050筆裡面找，如果真的沒有，再去官方資料庫找特殊項目就好。」她說。

她也點出，未來可預見越來越多醫院導入LOINC，光靠人工編碼恐怕難以滿足需求。因此她建議，下一步可建立AI輔助編碼工具，先由AI推薦最相關的LOINC候選代碼，再由醫檢專家確認，加速醫院完成檢驗項目標準化。