这几年，不少医院纷纷展开了IT现代化工程，尤其3年IT抗疫的成功经验，更让医院意识到加速转型的必要性，在2022年，电子病历开放上云之后，更带动医院开始拥抱云原生架构，也有医院开始采用微服务架构，要重新改造HIS系统的资讯架构。但是，在去年，不少医院资讯主管却重新聚焦IT的下水道工程，资料结构化，尤其是病历资料的结构化。
为了发展智慧医疗的愿景，医疗曾是台湾最积极拥抱AI的产业，早在2019年，我们就报导过5大类医疗影像辨识的AI应用场景，例如北医附医打造了乳癌超音波AI辅助分类系统，AI能在人眼难以判断的初期阶段，就侦测出肿瘤。或像是台北荣总与台湾人工智慧实验室也打造出能在30秒内，就揪出脑转移瘤的AI系统DeepMets。
林口长庚医院则是与医疗AI新创云象科技，共同打造一套鼻咽癌AI侦测系统，由医院提供数位病理切片资料，云象负责进行模型训练，经过2年优化，在2019年就达到了97％的超高准确率。从我们当年CIO大调查可以看到，医疗业也掀起了一波医疗AI系统和设备的建置潮，不少医院都大幅加码投资AI。但是，这股医疗AI热潮，不到3年就冷了下来，医疗AI预算不增反减，倒是医院对大数据的投资持续稳定增加。
医院仍旧是对AI抱持高度的期待，但是放缓了采用的脚步。一方面，不少医院发现提高AI模型品质的难度比想像中更高，需要搜集更多也更多样化（尤其是罕见疾病的训练资料取得不易）的训练资料，但是医疗资料属于特种个资，跨医院难以直接共享，并且得找来不少忙碌的资深医生，投入大把时间来参与标记，另一方面，训练好的医疗AI模型也遇到了推广上的挑战，法规对于医疗器材有一套严格的把关机制，医疗AI应用模型和系统不见得能快速变成可以对外销售的商品，一家医院的AI模型，也无法直接套用到另一家医院，得经过微调才行。这两大挑战让医院的AI采用态度转为审慎以对。
虽然生成式AI的问世，让各界再度燃起新一波的AI热潮，但生成式AI的幻觉效应，让医院对于这股AI热潮，仍旧持保留的态度，尤其与救命相关的医疗应用，无法承受任何一次的资讯错误。目前医院只敢尝试将生成式AI运用于不涉及治疗的作业流程面辅助上，一方面想办法提高正确性，另一方面也寻找更多可用的医院场景。
医疗AI难以发挥，不代表智慧医疗的发展就因此停下脚步，不少医院在这一波医疗资料的梳理过程中，更加察觉到庞大文字病历的价值，许多极有意义的医疗情报，不一定得靠AI才能用，光是从这些病历资料中，撷取出特定栏位的资讯，就可以用来整合到各种医疗系统，解决不少临床上的痛点，这就是为何不少医院纷纷选择回头展开病历结构化工程的缘故。
病历结构化不是新观念，早在2009年，台湾推动电子病历，数十年前的纸本病历时代也有结构化的概念。但是，过去的病历结构化，不见得能够遇见到未来的医疗讯息应用需求，也就无法提前考虑到未来的各种医疗栏位需求。每当有新的医疗应用需求，医院就需要再重新梳理一次手上的庞大医疗资料，展开新一波的病历资料结构化，这是医院IT得持续不断面对的课题。
像台大医院近几年就开发不少结构化病历应用，光是建立医嘱结构化表单，在特定栏位记录病人用药情况，再串接到开药系统，就能提醒医师在开药时留意病人的过敏药品，来提升用药安全。病安是台大医院积极推动病历结构化的主要原因，其他还有像输血过敏内容的检核、抗凝血药剂药物检核提醒、孕妇禁忌用药提醒、重复用药与药物交互作用等检核提醒，这些都是因为病历结构化后才能实现的应用，甚至，台大医院还要将纸本绘制的眼睛测光数据结构化，方便后续的医学研究。
不只台大医院，林口长庚纪念医院更是打造了一个自助式的表单自制编辑工具，让医院各科室可以自行设计结构化表单，来满足各科室各自临床上形形色色的需求，来加速病历结构化的规模化和多样化发展。
资料结构化是资料应用的基础工程，也可以说是IT的下水道工程，几年前最积极拥抱AI的医院，大胆尝试新兴AI技术后，陆续回头聚焦IT的基础功。
医疗业这个经验，值得其他产业CIO们好好思考，创新不见得非得用AI才行，重新聚焦资料基础工程，说不定也能找出另一种创新应用的可能，就像这些回头聚焦病历结构化应用的医院一样。