台灣人一年看病高達13次!4成頭部CT檢查恐白做...健保靠AI揪浪費

陳稚華
信傳媒

健保檢查費用逐年升高,占健保總支出1/4,在各項檢查當中以電腦斷層(CT)頭部檢查的花費最高。(攝影/陳稚華)

健保檢查費用逐年升高,從健保大數據分析,在各項檢驗檢查醫療費用最高的項目為電腦斷層(CT),並以頭部為最常執行的檢查部位,約占CT檢查次數的4成,但檢查結果發現與疾病無直接相關的異常,健保署署長李伯璋表示,可能因疾病排除或治療後追踪的檢查所致,但也有可能是不必要的檢查。

「全球已開發國家平均一人一年看病5-6次,但台灣卻高達13次!」李伯璋提到,在電腦斷層(CT)、磁振造影(MRI)檢驗檢查的部分,尤其在大醫院,約有2成病人是做了檢查卻沒有回來看報告的。

該如何解決這樣的問題?

AI判讀健保14萬筆資料僅需10小時

健保署表示,全民健保自開辦以來,即收載全國性醫療費用申報數值型結構化資料,其中每年門診申報達3.6億件,住診也有344萬件,並自103年起鼓勵特約醫療機構上傳檢驗與檢查等非結構化文字型報告,截至108年7月,已累計收載檢驗檢查報告24.7億筆,資料量非常龐大。

為因應大量的醫療申報資料,最近健保署運用人工智慧AI科技,自行成功開發自然語言處理(Natural Language Processing, NLP)模型,透過電腦針對放射診斷(例如電腦斷層)的檢查報告進行自動化判讀,協助審查作業更加精準及有效率,並透過資訊回饋與醫界共同合作,減少不必要的檢查。

健保署醫審及藥材組視察賴秋伶表示,「為使健保醫療費用審查作業更為精準並提高效率,也能減輕3,500位審查醫藥專家每年約需完成260萬件專業審查案件的負擔,運用檢查報告資料,能更全面評估檢查的必要性,精準篩選執行量異常的醫院或醫師,再經由專業審查以合理給付醫療支出,增加審查效率。」而大量檢查報告資料則需運用AI技術,才能整理成為可運用的資訊。

健保署初步運用建置NLP模型,分析14萬筆資料需10小時(平均每筆0.25秒),而專家判讀則需13個月完成(平均每筆4分鐘),估算需960位專家同時判讀可與NLP模型作業時間相當,開發AI智慧審查工具有其必要性,未來將逐步擴增開發胸、腹部影像檢查報告。

李伯璋希望透過AI判讀健保資料,揪出浪費。(攝影/陳稚華)

正確率達99%!健保署長:盼醫病珍惜健保資源

賴秋伶指出,從健保大數據分析,在各項檢驗檢查醫療費用最高的項目為電腦斷層(CT),並以頭部為最常執行的檢查部位,約占CT檢查次數的40%,「健保署因此優先將AI科技運用於放射診斷檢查報告分析,以自行開發頭部CT檢查報告NLP模型,訓練機器學習專家標註及判讀的結果。」她進一步描述,選取107年第2季醫院上傳CT頭部檢查報告1,000筆為模型資料,由電腦進行檢查報告病灶標註及報告分類的任務,「結果顯示,NLP機器學習分析模型分析的結果與專家判讀結果比較,正確率達99%!」

依據健保大數據分析,108年(1-6月)全台各特約醫院門診(不含急診)執行CT及MRI檢查,約有2.3萬件(占率3%)主次診斷都屬於初級照護(如頭痛、關節炎、咳嗽等),健保署將把執行量異常的報表回饋院所醫師,與醫界共同合作,減少不必要的檢查與浪費,也會運用自行開發的NLP模型進行輔助分析。

108年上半年全台各特約醫院門診執行CT及MRI檢查前10名項目。(圖片來源/健保署)

李伯璋表示,開發AI智慧作為醫療申報的審查工具已是時勢所趨,「有些醫師也會質疑,檢查不做怎麼知道病人有沒有問題?但因為這些檢查,病人都沒有部分負擔,所以也希望大家一起珍惜健保資源。醫病間的關係還是要由醫師這邊在檢查、溝通與經驗做一個好的拿捏。

李伯璋提到,目前開源並不是主要的工作,希望朝向節流來管理。除了近年推動的雲端藥例、檢驗檢查影像共享機制外,也希望減少不必要的檢驗與開藥,並加強落實病人衛教觀念、讓民眾平常就懂得保健,漸少就醫看診次數,「未來健保署將持續應用大數據與AI科技輔助,希望讓病、醫、健保三方創造永續價值。」

更多信傳媒報導
為什麼有人付的價錢比較貴―折扣定價經濟學
陳文茜臉手癱如中風》免疫力不是越強越好!台大醫:「5招」維持免疫系統平衡

你可能還想看