新聞

醫療數位化發展多年的美國，不同醫療體系醫院之間的系統串接複雜，每年仍有上百萬份檢驗報告、轉診單或病歷文件得靠傳真交換。而美國德州大學休士頓醫學中心（UTHealth Houston）找到解法，打造一套生成式AI醫療傳真處理系統iDFax，歷時2年多，將原本每月處理2,800份傳真的小規模試點，擴大部署到100多間診所、每月處理超過10萬份。iDFax整合了光學字元辨識（OCR）和公雲基礎模型，可自動執行文件分類、拆分、移除重複文件、擷取病患資料，並將結果傳送到醫院的Epic電子病歷系統，每份傳真處理時間更節省了50%到70%。

每份傳真最多花3分鐘，3年前開始自動化整條流程

儘管美國推動醫療數位化多年，許多醫療機構仍仰賴傳真交換轉診單、檢驗報告和其他病歷文件。原因之一是不同機構使用的系統、資料格式和交換網路都不一樣，所以透過傳真來跨院所傳遞文件。

但傳真送到醫院後，後續處理高度仰賴人工作業。過去，UTHealth Houston人員收到傳真後，必須逐份閱讀、判斷文件類型，再交給相對應的單位，並將資料輸入Epic電子病歷系統。

根據公開資料，光處理一份傳真，就需要82至150秒；如果還得查找醫師及病患身分、確認對應病歷，再把資料登錄進系統，每份甚至可能花上2至3分鐘。面對一年數十萬份的傳真，這套人工流程也成為沉重的行政負擔。

為自動化這些工作，UTHealth Houston旗下McWilliams生物醫學資訊學院和數位醫療創新中心，聯手院內IT團隊和AWS，來打造iDFax，並在2023年6月從少數據點開始試用。

iDFax做的不只是把傳真影像轉成文字，而是接手文件進入醫院後的一連串處理流程。收到傳真後，系統會判斷文件類型，將混在同一份傳真中的不同文件拆開，找出並移除重複內容，再透過影像校正和手寫文字辨識，處理品質不一的醫療文件。

完成辨識後，iDFax還會從文件中擷取醫師及病患資料，用來查找身分、比對既有病歷，再將處理結果送進Epic或其他院內系統。UTHealth Houston表示，系統的OCR辨識準確率維持在95%以上，即使後來擴大部署，仍維持相同水準。

到了2026年，團隊又加入Transcribe Order功能，可從轉介文件中讀取並轉錄醫囑，進一步減少工作人員將資料逐欄輸入Epic的不便。這也代表iDFax的自動化範圍，已從文件整理及病歷歸檔，進一步延伸到轉介作業。

從少數據點試用，兩年多擴大到100多間診所

UTHealth Houston先從少數據點測試iDFax，再逐步擴大。第一階段從2023年6月持續到12月，月處理量從2,800份增加到7,800份。團隊在這個階段，先驗證系統是否可行，並建立處理時間及辨識準確率等效能基準。

到了2024年，iDFax陸續擴展到UTHealth Houston旗下UT Physicians更多診所和科別，月處理量從9,100份傳真增加到2.3萬份，全年共處理超過25.3萬份傳真。團隊也在這段期間調整雲端架構，為後續大規模部署做準備。

2025年，iDFax正式進入大規模部署階段，涵蓋UT Physicians旗下100多間診所，服務超過1,200名醫師和診所工作人員。到了2026年2月，每月處理量突破10萬份，約試用初期的35倍。院方預計，全面部署後，每年可處理超過120萬份傳真。

2026年起，團隊的工作重點也從擴大部署，轉向改善既有流程，並加入Transcribe Order等轉介自動化功能。可以說，iDFax不再只是驗證AI能否處理醫療文件，而是進入持續擴充的階段。

用SQS暫存大量工作，支援35倍處理量

iDFax能從每月數千份傳真，擴大到超過10萬份，背後也仰賴一套可隨文件量增加而擴充的雲端架構。

院內收到電子傳真後，會透過專用網路連線服務AWS Direct Connect，以接近即時的方式送到獨立AWS帳號中的Amazon S3儲存服務，再由訊息佇列服務Amazon SQS，把待處理的傳真依序排入佇列。

Direct Connect可在醫院內部環境與AWS之間建立固定、容易管理的資料傳輸路徑。除了將傳真送至AWS，這條連線也用於AWS環境和院內電子病歷等系統之間的資料交換。

另一方面，UTHealth Houston將iDFax應用程式封裝成Docker容器，部署在Amazon EC2執行個體上，由後端程式逐一從SQS取出文件並處理。Amazon DynamoDB則負責儲存文件的中繼資料，並記錄每份文件目前處理到哪個階段。

這套架構的關鍵，是把「收到文件」和「實際處理文件」拆成兩個環節。即使短時間內湧入大量傳真，系統也能先將工作排入SQS，不必在收到文件的當下全部處理；後端再依工作量增加運算資源，逐步消化佇列中的文件。

在AI處理環節，Amazon Bedrock上的基礎模型負責文件分類及內容分析。處理完成後，iDFax再將結果送至Epic等院內系統，或依需求保留在AWS環境中。

處理時間縮短一半，每年估省1.9萬小時

導入iDFax後，每份傳真的處理時間從原本的82至150秒，降至28至68秒，縮短約5到7成的時間。

AWS以每年處理100萬份傳真、每份平均節省68秒估算，iDFax每年可省下約1.9萬小時的行政工時。若以每小時48.05美元的醫療行政人力成本計算，光是人力成本，每年可節省90.8萬美元。

若再把作業成本、錯誤減少及法遵風險降低等效益納入計算，AWS估計，iDFax每年帶來的總節省金額可超過200萬美元，約3至4個月可回收成本。

不過，AWS並未公布作業成本、錯誤及法遵風險等項目的詳細算法，因此，200萬美元節省金額仍屬UTHealth Houston和AWS的案例估算。