重點新聞（0716～0731 ）
NUHS AI藥事平臺 用藥安全
新加坡NUHS打造AI藥事平臺，4款AI工具每周可省850小時藥師工時
新加坡國立大學醫療體系（NUHS）推出院區級AI藥事平臺（NCAIP），整合4款AI工具協助用藥整合、處方分流及藥物審核等藥事流程，希望降低人工作業負擔，提升用藥安全。NUHS表示，待所有工具全面部署後，每周可節省約850小時藥師工時，估計每年可節省約200萬新加坡元成本。
這款AI藥事平臺建於NUHS的AI中臺上，可即時整合國家電子病歷（NEHR）、新一代電子病歷（NGEMR）、出院摘要、處方、臨床紀錄及檢驗結果等資料，建立病患完整的用藥脈絡，再透過AI提供一致性的臨床建議，減少藥師在不同系統間切換及人工比對資料的負擔。藥事平臺也採人機協作設計，所有AI建議皆須由藥師確認後才能採用。
目前平臺包含4項AI工具，包括住院與出院用藥整合（Admission/Discharge MedRecon），可自動比對跨院所用藥紀錄，準確率分別超過88%和90%；處方分流（MedTriage）可辨識需要藥師諮詢的病患，將低複雜度處方改為自助領藥，辨識準確率達100%；處方審核（MedVerify）則檢查劑量、禁忌症及藥物交互作用，初步驗證準確率超過95%。NUHS表示，未來將持續把新的AI藥事工具納入NCAIP平臺，讓藥師將更多時間投入慢性病照護、藥物基因體學、精準醫療及跨專業照護等高價值臨床工作。（詳全文）
澳洲 SMART on FHIR 精神健康
澳政府將精神健康轉介工具整合診所HIS，下一步升級SMART on FHIR應用
澳洲醫療資訊交換業者HealthLink宣布聯手澳洲衛生、身心障礙與高齡照護部合作，正式將精神健康初步評估與轉介決策工具（IAR-DST）整合至全國多套基層診所管理系統。家庭醫師已能直接在既有系統內，完成精神健康評估、保存結果並開立轉介，不必切換不同系統。
IAR-DST採澳洲全國精神健康分級照護架構，透過標準化評估流程，協助醫師判斷病患適合的5種照護層級，提升精神健康轉介的一致性。這次整合也支援預先帶入病患資料，評估結果可直接寫回病歷、減少重複輸入，還能提高資料一致性、互通性及病患隱私管理。
第二階段預計今年稍晚推出，將IAR-DST改為SMART on FHIR應用程式，首波整合優選的診所系統。醫師可直接在病歷畫面完成評估，系統再依結果自動啟動Medicare精神健康轉介流程。由於採用SMART on FHIR標準，未來也能擴充至其他FHIR相容系統，降低客製化介接需求，作為澳洲後續全國數位健康計畫的共同技術基礎。（詳全文）
新光醫院 低程式碼 智慧醫院
新光醫院供應中心團隊自學低程式碼工具，打造智慧後勤管理系統
新光醫院日前揭露一款歷時2年開發的「CSR元宇宙」智慧後勤管理平臺，由一群沒有資訊背景的供應中心團隊，自學Power Apps、Power Automate、SharePoint等低程式碼工具，加上Copilot協助撰寫函式、設計公式和除錯，開發而成。該系統目前涵蓋器械管理、滅菌流程、物流、設備維修、教育訓練與排班等15項功能，同時運用數位孿生技術，即時追蹤手術器械位置、滅菌紀錄和作業狀態，一旦流程異常，就會主動推播提醒。這套系統不只將工作紀錄時間縮短了42.8%，也大幅提高無紙化率，從63%至88%。
除了鼓勵第一線自行開發應用，新光醫院也透過Microsoft Fabric建置AI資料中臺，整合臨床、檢驗與研究資料，目前已有3座特色資料庫、20張主題資料表及100多個標準化欄位，支援手術紗布遺留偵測、肺纖維化量化分析、多囊腎體積計算及藥物濃度預測等AI模型，目前至少已有4個模型正式上線。
新光行政副院長洪子仁表示，智慧醫院2.0不只是導入AI，而是讓數位轉型深入醫院每個角落。未來，他們將持續推動全院AI助理、公民開發文化及AI治理，也要在兼顧資安與法規下，打造可持續擴展的智慧醫療基礎。（詳全文）
醫療AI 資料整合 腎臟照護
美國腎臟照護業者分享AI落地經驗：先整合資料，再把AI藏進醫師工作流程
美國價值導向腎臟照護業者Strive Health技術長Tom Hawkes日前向HIMSS旗下媒體分享AI導入經驗，認為醫療AI最大的挑戰並非模型能力，而是資料分散、系統互通性不足，以及醫師工作流程早已過於繁重。因此，團隊沒有先開發AI模型，而是優先整合電子病歷、檢驗、處方及健康資訊交換（HIE）等資料來源，建立完整的臨床資料基礎，再將AI嵌入既有照護流程。
Strive Health用Care Multiplier平臺整合檢驗數值、用藥紀錄、診斷和照護歷程，透過機器學習預測腎臟病惡化、再住院及用藥缺口等風險，並提供可追溯的檢驗數據與臨床依據，協助醫師提早安排腎臟科轉診及介入治療，而非直接取代臨床判斷。
另一項重點應用則是出院後的藥物整合。系統整合HIE資料、AI病人摘要及語音紀錄，自動整理病人的用藥變更、出院指示和病史，讓醫師能直接確認、修正。導入後，文件撰寫時間縮短32%，約500名臨床人員整體生產力提升近20%，完成藥物整合的病人30天內再住院率最高降低30%。Tom Hawkes表示，成功導入醫療AI的關鍵並非更大的模型，而是資料品質、互通性、治理機制，以及是否真正融入醫師既有工作流程，才能讓AI從試點走向日常臨床照護。（詳全文）
紐西蘭 醫療AI治理 數位現代化
紐西蘭成立醫療數位現代化中心，改革AI專案治理和採購流程
紐西蘭公立醫療體系Te Whatu Ora成立醫療數位現代化中心（Centre for Digital Modernisation of Health），要改善醫療數位與AI專案長期面臨的資金、採購及治理瓶頸，加速新技術在公立醫療體系落地。
這項改革源自一份政府檢討報告。報告指出，現行制度下，核准每年120億紐西蘭元的人事預算，竟比核准一項2,000萬紐元的數位專案還容易，許多數位創新因繁複的審查與採購流程而延宕。報告也提到，近期公立醫院急診AI病歷摘要（AI Scribe）試辦案能夠推動，「更多是克服制度障礙，而非制度本身提供支持」。
新成立的中心將統籌紐西蘭10年健康數位投資計畫，負責規畫專案、建立商業案例，並推動AI及數位創新，同時與政府數位交付機構、財政部及商業創新部合作，建立更適合創新的採購模式。
此外，Te Whatu Ora近期也發布全國AI導入前評估框架，提供公立醫療體系一致的AI工具評估方法，未來將作為國家AI與演算法專家諮詢小組審查醫療AI工具的標準流程。（詳全文）
FHIR 可運算同意 Sequoia Project
美國醫療互通組織推可運算同意指南，把病患授權FHIR化
美國醫療互通組織The Sequoia Project發布《Operationalizing Automated Consent Guidance》實作指南，協助醫療機構、保險公司和醫療IT廠商導入可運算同意（Computable Consent），將病患同意書從紙本或人工流程，轉為可由系統讀取、交換及自動執行的FHIR結構化資料，提高跨系統資料共享率與法規遵循能力。
Sequoia Project互通專家、隱私與同意工作小組共同主席Kevin Day表示，美國目前缺乏統一的病患同意法規，各州及聯邦規範彼此交錯，導致多數醫療機構仍仰賴人工管理病患授權，也難以在不同系統間傳遞同意內容。新版指南提供實作流程、政策範本及資料欄位設計，協助醫療機構將病患授權轉為標準化、機器可讀的資料。
指南以物質使用疾患（SUD，俗稱成癮）資料共享為主要案例，示範如何因應美國《42 CFR Part 2》敏感資料規範，讓系統依病患授權，自動判斷哪些資料可分享、可分享給哪些醫療機構及用途。參與工作小組的醫療資料與隱私律師Helen Oscislawski表示，指南也整理《HIPAA》與《42 CFR Part 2》的同意要件對照，以及各州法規檢查範本，協助醫療機構建立一致的可運算同意流程。
目前，HL7也持續完善FHIR Consent資源，美國將同步推動數位身分相關機制，未來要讓病患授權能在不同醫療系統間自動交換、驗證與執行，建立更可信任的醫療資料共享機制。（詳全文）
MaineHealth IT組織重整 醫療AI
美醫療體系MaineHealth重組IT團隊，AI與給付改革推動83人職務調整
美國緬因州和新罕布夏州最大的非營利醫療照護體系MaineHealth日前宣布，將在未來4到6周重整IT與資料分析部門，把原本3個團隊整併為1個單位，預計調整83個職位，包括56名IT人員及27名資料分析人員。院方表示，此舉主要因應醫療給付政策變化，以及AI等新技術帶來的工作模式改變，希望在控制成本的同時維持醫療服務品質。
MaineHealth旗下擁有9家醫院及200多家醫療院所。院方強調，這波調整不涉及第一線臨床人員，受影響員工仍可申請重新設計的分析相關職務，目前共開出36個新職缺，顯示組織重整並非全面縮減IT人力，而是重新配置技術與資料分析能力。
近年美國醫療機構正加速導入AI與資料分析工具，也連帶改變IT組織分工。MaineHealth近期便利用Palantir分析平臺協助處理醫療保險給付爭議，加快保險拒付案件審查，減少病患等待時間。院方表示，這套系統目前僅用於保險給付分析，不參與臨床決策，也不由Palantir管理醫療資料。MaineHealth營運長Kelly Elkins補充，醫療產業正快速改變，醫院也必須持續調整組織能力，以符合病患需求，同時降低整體醫療成本。（詳全文）
圖片來源／微軟、Strive Health、The Sequoia Project
MedTech醫療科技近期新聞
資料來源：iThome整理，2026年8月
Comments (0)