openvpn注册教程

「结构化病历」是这2年许多医院CIO常常提起的热门关键字。因为AI技术的出现，催生不少智慧医疗应用，医院也体会到智慧医院的可能性。但要进一步扩大应用时，医院才发现许多关键资讯，还藏在原本的文字叙述病历中。为了扩大规模、发展更深层的智慧医疗应用，他们得要从这些病历中，抽取出新的病历资讯才行，因此掀起了新一波医疗资料结构化需求。

病历资料来源广泛，文字类病历是结构化重点

对医院来说，病历结构化一直是项大工程。因为，病历资料很多种，涵盖层面广泛，包括检验报告、检查报告、生理资讯、个人健康资讯、个人健康习惯、过去就医历程与记录，还有药物资讯等。这些病历记录内容，又可分为医学影像、影音、数值和文字资讯，其中，文字资讯还可细分为表格表单和描述性资料两种架构。

不只资料本身多样，这些病历还牵连不少重要的医疗资讯系统，从常见的门诊、住院、急诊和医嘱系统，到更专精的生化病历检验报告系统、生理资讯系统、各临床科别检查系统和药物管理系统，以及麻醉、手术、护理、病理、营养、个案管理和处理医学影像的影像储传系统（PACS）等都在影响范围内。

在这之中，生化检验和生理数据等病历资料，是结构化技术门槛最低的种类。因为，这类资料因健保申报制度，早年就已数位化和自动化，大多采结构化架构，因此结构化门槛低。但描述性的文字报告病历，过去以来并非以结构化方式记录，因此成为许多医院推动结构化的目标。

病历结构化不只益於临床应用，对IT也有好处

虽然病历资料多样复杂，但对医院而言，病历结构化可带来不同的帮助。

振兴医院心脏医学中心心脏血管内科主治医师暨资讯室主任陈冠群就点出，病历结构化可系统性地规范、定义和归类临床资讯，这些结构化数据，能简化後续分析应用成本，尤其是资料清洗，减少了AI应用开发所需的人力和时间。

对临床第一线人员来说，结构化的病历资料，可用来统计、追踪、计算、标注和可视化呈现特定的趋势，有助於跨职类人员的沟通协作，还能更即时处理临床业务。感染控制、特定病患的筛选与管理，以及医疗品质的目标设定、追踪和预警都是应用的一种。

而且，结构化的病历资料，还能加速临床照护仪表板的设计。这类仪表板可用来侦测异常数值、发出预警通知，让医护人员适时介入治疗。这些是病历结构化对临床面的好处。

对医院IT来说，病历结构化也有帮助。因为，资料在源头透过表单式结构化处理，可简化IT人员後续资料捞取上的繁琐工作，节省原本许多需要写程式执行的资料分析流程。

为何推动病历结构化不容易

资料结构化的方法有好几种，最常见的是采用表单式工具，在资料输入源头，就先以表单式的结构化规格储存。还有一种方法是使用资料湖工具，就算原始资料非结构化，也能储存，并在输出时，透过程式转换为结构化资讯。

在台湾，大多数医院病历结构化的主流做法是导入表单工具，来让医事人员以表单格式填写病历资料。但，这个做法要让第一线使用者买单，还不容易。

因为，要将病历中原本自由书写的描述性文字栏位，改为表单式，光是在表单设计过程，就需要临床人员额外花时间，配合找出需要结构化的关键资讯。这个额外工作，很容易引起临床人员反弹。再来，改采表单式栏位，会打破医师使用者书写病历的习惯。因为，医师得要将原本流畅书写的一句话，拆分成好几个部分，来进行个别记录或归类，甚至还要选取关键字。这种作法，容易中断医师思绪，而且在资料阅读上，也未必友善。

对医院IT而言，如何根据已知需求和未来可能需要的未知需求，来正确地将病历资料结构化，也是一大挑战。

有效推动病历结构化还有几种方法

因此，如何兼顾临床使用者需求和结构化资料收集目的，成为医院推动资料结构化的重要课题。

除了在组织上，成立由临床人员和医院IT组成的推动小组，台大医院病历资讯室主任庄秋华认为，团队得先聚焦病历结构化的临床目的，也就是找出临床痛点，接着凝聚医疗专业共识，找出需要结构化且适合用於表单形式的资料栏位。因为，病历结构化虽是辅助资料收集的好帮手，但不代表所有病历资料都适合用结构化方式来解决临床问题。

有了共识，再来就是设计表单，将共识转换为病历格式，并搭配临床作业流程来设计。完成後，就能交给IT来建置或修改病历系统表单程式。由於表单式纪录会影响原本医师对病人病况的观察记录，若全面改为表单栏位，不只会改变医师书写习惯，也难以完整呈现病人病况。但若为追求完整性，导致表单上需要输入的栏位过多，也会带给第一线医护困扰。因此，她提醒，医院设计结构化病历表单时，需兼顾实用性，要能充分反映病人状况，可采取部分结构化，部分自由书写的形式。

此外，还有一种病历结构化解法是导入表单设计工具，让临床人员自助式设计表单。推动长庚体系医院病历结构化的林口长庚纪念医院核子医学部主治医师林昆儒就分享，他们自2015年开始筹画病历结构化，当时考量，若由IT部门根据临床需求、一一设计上百张表单，太耗工费时，因此决定导入低程式码表单编辑器，来让临床单位自行设计符合病历审查条件的表单。

後来，为兼顾医师书写习惯，他们改良这套工具，改采主表单和子表单两层式设计，让医师可在主表单自由书写病历记录，另透过快捷键或点选，快速调用结构化的子表单，来进行更细致的辅助记录。完成後，系统会自动生成子表单的内容摘要，回馈到主表单上，其他结构化资料则会传送至资料仓储，以便後续应用。这就是兼顾临床使用者需求和结构化资料收集的一种作法。

一样是先锁定要解决的临床痛点，振兴医院对如何找出最关键、最值得优先投入结构化的资料，还有另一种切入角度。比如可先衡量数据的临床价值，结构化後，能否用来强化照护、提高诊断品质或优化医疗流程，另也可思考数据的多样性，也就是同一批结构化数据，能否发展更多种类的应用、在多个科别中使用。其他还有数据的真实性，也就是找出明确、不必再後续处理或判断的数据，更不能是意义模糊的数据结构。

数据结构化所衍生的资料储存成本也很重要，若数据产量很大，就得考量储存方式的开销。此外，医院也需思考，结构化数据是否来源多处，比如要解决一个临床题目，可能需要好几种不同来源的数据，要是数据取得难度高，结构化就会很辛苦。

LLM也许是另一种资料分析选择

病历资料结构化并非推动智慧医疗应用的唯一选择。尤其，这2年以大型语言模型（LLM）为基础的生成式AI崛起，可用模型和工具也越来越普及，LLM强大的文字阅读和分析能力，能快速消化非结构化的长篇文字内容，还能根据使用者指令，来解析、摘要特定内容。

这让医院开始思考，LLM是否意味着，医院可用来分析非结构化的病历文字内容？甚至是，病历资料是否不必结构化，就能靠LLM分析、解答？这是许多医院正在探究的议题。

 相关报导 …

Amazon

在云端运算服务尚未问市之前，评估资讯系统的成本效益是资讯人员必备能力，身为全球最大电商亚马逊（Amazon）技术长的Werner Vogels说：「在当时采购资料库这类大型系统，都得先评估足以使用五年的规格，才能达到最佳成本效益。」然而，在云端运算资源垂手可得的今日，虽然传统硬体的限制越来越少了，软体开发人员可以更聚焦在功能创新与更快推出上市，但也因此忽略成本效益的重要性，Vogels指出，重视成本效益几乎已成失传的技艺，为此他在re:Invent 2023的主题演讲提出「节约架构（Frugal Architect）」设计法则，呼吁将成本意识纳入软体架构设计，进而达成永续目标。

节约架构可谓亚马逊过去二十多年软体开发经验的总和，特别是打造具有成本意识与永续发展的系统架构，Vogels回忆道，「在还很难买得到PlayStation的年代，只要有人贴文说亚马逊明天会开卖，许多消费者就会在开卖前五分钟开始狂按电脑的F5按键更新网页，以在第一时间读取到贩售网页，不过这也导致网站流量瞬间爆增。」然而，当时可没有调度自如的云端运算资源可用，因此考验着资讯人员如何有创意地解决刺手问题。

还有一次，在黑色星期五购物节来临前，亚马逊的业务团队兴高采烈地提出许多可冲高业绩的新点子，接着就轮到技术团队苦恼如何在既有系统架构与有限资源下达成业务目标。不过Vogels指出，过往资讯人员就是因为突破种种硬体上的限制而练就一身技艺，然而随着云端运算普及，在限制越来越少的情况下，这些技艺也逐渐失传。

Vogels提出的节约架构由三大类、七项软体架构设计法则所组成，他表示，之所以称之为法则，代表是过往诸多经验的心得，并非硬性规定；而区分成「设计（Design）」「量测（Measure）」与「最佳化（Optimize）」三个部分，则有助於形成框架式的思考架构。

第一项法则是将成本纳入非功能性（Non-functional）需求。传统上非功能性需求包含资安（Security）、法规遵循（Compliance）、无障碍设计（Accessibility）、效能（Performance）、可用性（Availability）、扩充性（Scalability）与可维护性（Maintainability）等项目，Vogels指出，在过去资安、法遵与无障碍设计是无法妥协的三个项目，然而现在光这三项并不足够，还需要纳入成本（Cost）与永续性（Sustainability），成为必要的非功能性需求。

以Amaozn设计S3物件储存服务的经验为例，Vogels指出，由於云端运算服务必须提供明确的价格，因此必须先分析运算成本，以订定合理计价模式。一开始他们认为S3储存服务的成本不外乎传输档案与储存档案，然而，在先期客户试用S3的过程中，他们才发现之前忽略了使用者读取（Request）物件资料其实也会有相对应的成本。

上述经验随後也运用在DynamoDB无伺服器资料库服务，由於此服务提供两种读取一致性（Consistency）选项，包括最终一致读取（Eventually Consistency）与强烈一致读取（Strong Consistency），而由於强烈一致读取的读取次数是最终一致读取的2倍，因此计价也就必须多一倍才合理。

成本考量必需落实在系统设计的每一个环节，Vogels说：「我们开发软体，终究是为了帮公司获利，而不是展现自己的技能。」因此，除了考量软体架构必要的功能性、扩充性与稳定性，还要评估软体成本对公司获利的影响。在设计软体系统架构前，必须先确定营收模式，并确保系统的设计能够支持获利，他说：「系统架构设计一定要跟着公司获利的方向发展，如果不幸走反了，最终你一定会完蛋。」这也就是节约架构的第二项法则：「系统成本必须与公司获利保持一致。」

AWS知名的无伺服器运算服务Lambda，其实背後也有一段鲜为人知的成本与架构重构的故事。在S3、DynamoDB等物件储存与资料库无伺服器化服务陆续推出之後，AWS的客户开始期待运算服务也可以无伺服器化，好摆脱繁重的伺服器管理工作。Vogels表示，因为之前有设计S3物件储存服务的经验，在订价方面他们很快确定无伺服器运算服务需从两个面向计价：每微秒的处理器运算量，以及记忆体使用量，在功能方面也确定必须兼顾安全性、强化隔离与成本效益等三项非功能性需求，但是接下来他们却察觉缺乏足够的技术，以达成上述三项必备的非功能性需求。

眼看推出无伺服器运算服务势在必行，但在缺乏相对应技术，以致於无法兼具成本效益的情况下，Vogels说：「所以我们一开始就先确定了，在成本效益上得有所牺牲……而未来一定得为此付出相对应的技术债与经济债。」於是，他们成立了两个团队，第一个团队先在既有技术下动手开发，第二个团队则负责开发无伺服器运算服务所需要的关键技术。

为了确保无伺服器运算服务的每一个用户程式码都有安全隔离，第一个团队选择将每一个Lambda服务以EC2最小规格的T2执行个体来运行，然而，由於Lambda函数程式码通常都很小，即便已经采用最小执行个体T2，但大多数的运算利用率都不到一半，也就是说AWS得多付出多一倍的运算成本来提供Lambda服务，而这也就是Vogels所说的，在决定开发的第一天就已经知道未来必须承担的经济债。

AWS在2014年推出Lambda後，事隔四年，第二个团队以Linux KVM为基础开发出微型虚拟机器Firecracker，让单一主机可以承载更多的Lambda服务，终於解决运算利用率的问题。Vogels指出，其实当初如果没有开发Firecracker，接下来的无伺服器容器运算服务Fargate也难以实现。

回首从Amazon S3至AWS Lambda的开发历程，Vogels打趣地说，这个过程就像一边开飞机还要一边换引擎，而且还不能让乘客察觉异状。这段经历也让他观察到节约架构的第三项法则：「架构设计是一连串的权衡与取舍」。他建议开发人员要打造可持续进化又不影响业务营运的架构，因为改变一定会发生。

继续阅读 → Part 2 节约架构量测篇

节约架构 Frugal Architect

设计

I. 成本是必要的非功能性需求
II. 系统成本必须与公司获利保持一致
III. 架构设计是一连串的权衡与取舍

量测

IV. 无法量测的系统必有隐藏的成本…

因应市场竞争与消费行为的快速变化，以消费者为核心的营运思维更加重要，然而品牌辛苦取得的数据，究竟该如何使用？《未来商务》产业沙龙第 42 场以「数据新零售」为主题，邀请 3 位产业先行者——牧羊人集团暨汪喵星球营运长阮子铨、林三艺国际行销总经理林昌隆、大数据股份有限公司技术长孟令三，分享数据应用实例，供品牌在取得数据後，做最有效率的应用。

跨渠道分析数据，让视角更全面

牧羊人集团旗下的汪喵星球是台湾知名宠物湿食品牌，致力於宠物食品与用品研发、制造、物流供应与跨境销售等服务，服务范围横跨港、澳、韩甚至是欧美国家，国内销售渠道则包含线上与线下，前者除了官方网站外，还包含多个电商平台，後者则有超过一万的实体通路点，包含宠物用品店、超商超市等。销售范围如此广阔，消费者的行为如何追踪、线下线上数据如何对接，以及前店後厂的模式数据如何串连，都成为牧羊人集团的难题。

「重点是数据重盘！」庞大的数据来源，需要有效管理，为此，牧羊人集团建立了数据中台，串接起库存与物流，并严密观察销售趋势，包含新客来源与旧客比例等，藉此也能进一步评估每笔行销资源的投入，阮子铨说：「从跨渠道的分析，我们能看到行销帮我们带人进来，但反过来对产品来说，也证明了我们对产品的坚持，让大家有愿意持续使用。」

除此之外，驱动汪喵星球在 OMO 经营下仍有高客户留存率的关键，则是「客服」。阮子铨分享，从消费者对品牌客服的反馈来看，藉由客服温馨的反馈，增加了黏着度且带进更多新客，因此产品、数据、服务，皆是零售品牌经营的关键。

数据交叉比对，找到最适合销售模式

以销售毛笔、毛料起家的林三益至今已是个拥有百年历史的品牌，作为品牌第四代的林昌隆说：「其实我们很久以前就有在使用『数据』，只是它存在人脑里。」过往掌柜会观察常客购买消耗品的频率，事先得知消费者进店的购物目标，而随着品牌不断壮大，或是碰上员工离职，经验值归零时，大家才开始意识到「数位化」管控数据的重要性。

从传统的毛笔转型贩售美妆刷具，林昌隆认为最首要的一步就是「认识自己」。「产品要卖给消费者 ，所以我要更详细的去了解，我的消费者需要什麽东西。」究竟自家商品的客群是谁？性别与年纪为何？必须先做出详细的分析，才能描绘出消费者轮廓，并针对个别产品去微调销售策略，如交叉比对直接买、加价购或组合购买等销售来源，找到最适合的模式，「藉由把对的商品放进加价购，成功带进了 29% 的业绩。」

除此之外，林三益也透过 LINE 串连线上与线下，开设彩妆教室，并设立匿名群组，供消费者免费谘询，增加品牌信任度，并进一步带动会员回访率提升。…