107 高普考高考三級 醫務管理 醫療資訊系統 考古題詳解

核心觀念

本題旨在評量考生對「醫療人工智慧」（Artificial Intelligence in Medicine, AIM）整體發展架構之理解，屬於醫療資訊系統（MIS）之宏觀申論題。核心考點涵蓋：

1. 醫療人工智慧之定義與本質：涉及機器學習（Machine Learning）、深度學習（Deep Learning）、自然語言處理（NLP）、電腦視覺（Computer Vision）等技術與醫學領域知識（Domain Knowledge）、電子病歷（EHR）、醫學影像（PACS/DICOM）之融合，其定位為「增強智慧」（Augmented Intelligence）而非完全取代臨床人員。
2. 科技導入醫療環境的限制與治理：涵蓋資料層面（資料孤島、標註品質、偏差 Bias）、技術層面（黑盒子可解釋性 XAI）、法規倫理層面（病人隱私、醫療事故責任歸屬、軟體即醫療器材 SaMD 查驗登記）以及臨床工作流程（Workflow）之整合阻力。
3. 臨床應用實例與實質效益：評量能否將理論落地至具體情境（如醫學影像辨識、急重症早期預警、用藥安全決策支援），並具體論述其在提升醫療品質、病人安全與營運效率之價值。
4. 法規基準說明：本題評析以命題當年（民國 107 年）之法規環境為準，當時人工智慧醫療器材仍依《藥事法》相關規定管理；現行法已於民國 110 年 5 月 1 日正式施行《醫療器材管理法》，將醫療器材自藥事法抽離單獨立法，並建立完善之軟體即醫療器材（SaMD）審查機制。

---

解題方法

本題配分 25 分，採三段式問答，解題切入點應把握「階梯式論述」：

1. 第 (一) 子題（5 分）：定義宜精準俐落。採用「技術組成＋資料來源＋核心目的」之公式破題，點出醫療 AI 乃是以醫學知識為本、結合巨量健康資料（Big Health Data）與演算法，達到臨床決策輔助與自動化任務之綜合科學。
2. 第 (二) 子題（10 分）：要求探討「挑戰」與「因應措施」。切忌單向羅列挑戰而遺漏因應方案；最佳架構為「成對論述」，從「資料與演算法」、「臨床與信任度（可解釋性）」、「法規、倫理與責任」三大維度展開，提出對應之解決策略（如資料標準化、XAI、SaMD 審查指引）。
3. 第 (三) 子題（10 分）：列舉二例。選例應具備代表性且「跨不同臨床型態」，建議挑選「醫學影像輔助判讀（診斷端）」與「急重症早期預警系統（照護/監測端）」，分別清楚說明「應用機制」與「量化/質化價值（臨床價值、管理價值）」。

---

選項分析（申論題架構解析）

本題為申論問答題，無選擇選項。閱卷評分關鍵與各子題得分爭點如下：

• 第 (一) 小題爭點：若僅回答「AI 在醫療上的應用」會顯得過於空泛；必須提及醫療資料特性（異質性、高維度、隱私性）與臨床知識結合，並強調 AI 在醫療場域的核心角色是「臨床決策支援」（CDSS），是人機協同而非取代醫事人員。
• 第 (二) 小題爭點：評分關鍵在於「挑戰與對策是否一一對應」。若僅泛談「技術不成熟」，分數難以拔尖；應精準點出醫療特有之痛點，例如「黑盒子效應（Black-box Problem）」對應「可解釋性 AI（XAI）」、「資料孤島與格式不一」對應「推動健康資訊交換標準（如 DICOM、HL7 FHIR）」、「責任歸屬未定」對應「醫療法規與審查制度健全化」。
• 第 (三) 小題爭點：舉例不可僅寫病名，必須完整交代「輸入什麼資料 $\rightarrow$ 透過何種 AI 技術處理 $\rightarrow$ 輸出何種建議 $\rightarrow$ 達成何種臨床與管理效益（降低漏診率、爭取黃金搶救時間、舒緩偏鄉醫療缺口）」。

---

解題技巧

1. 配分與時間分配：滿分 25 分，建議作答時間控制在 25～28 分鐘以內。篇幅分配上，第 (一) 題約佔 6～8 行，第 (二) 題與第 (三) 題各佔約 15～18 行，合計約一頁半至兩頁國家考試試卷紙。
2. 對比式排版：回答第 (二) 題時，強烈建議使用「挑戰」緊扣「因應措施」的標題式併列寫法，例如「【挑戰一】...／【因應措施】...」，閱卷委員能瞬間捕捉采分點。
3. 避免常見陷阱：

• 勿過度神化 AI，將其描寫為「全自動看診手術」；醫療法規體系下，最終醫療責任仍在醫師，回答務必體現「以人為本、輔助決策」之原則。
• 舉例避免過於冷門或未獲臨床實證之概念，以目前國際及台灣衛福部（TFDA）已有核准實證之項目（如視網膜病變判讀、胸部 X 光結節偵測、敗血症預警）作答最為穩健。

---

【答案】

(一) 醫療人工智慧之內涵

醫療人工智慧（Artificial Intelligence in Medicine, AIM）係指將醫學領域知識（Clinical Domain Knowledge）與先進人工智慧演算法（如機器學習、深度學習、自然語言處理、電腦視覺）相結合，應用於醫療健康照護領域之跨領域科學。其具體內涵涵蓋以下要素：

核心觀念

本題旨在評量考生對「醫療資訊互通性（Interoperability）」核心架構與現代標準演進的掌握程度，涵蓋之核心概念包括：

1. 醫療資訊交換標準的層次與範疇：區分語法互通性（Syntactic Interoperability，如傳輸封裝格式）與語意互通性（Semantic Interoperability，如醫學術語集）；掌握醫院內部系統（HIS/RIS/PACS）間橫向整合與跨院縱向資料交換的主流協定。
2. 經典傳輸標準：如醫學影像傳輸專用的 DICOM，以及臨床文字、醫囑與檢驗訊息傳輸的 HL7（特別是 HL7 v2 與 CDA/CCD）。
3. 新世代標準 HL7 FHIR（Fast Healthcare Interoperability Resources）：融合現代網際網路成熟技術（RESTful API、JSON/XML、HTTP、OAuth2），解決傳統 HL7 v2 格式鬆散、HL7 v3/CDA 繁複晦澀的缺點，以模組化「資源（Resource）」為核心實現輕量化、隨插即用（Plug-and-Play）的智慧醫療架構。

---

解題方法

1. 配分佈局與架構規劃：

• 第 (一) 子題（10 分）：要求舉出「二項」重要醫療資訊交換標準並說明內涵。評分標準在於「命名精確性（全名與縮寫）」、「應用領域定位」與「底層運作內涵」。建議挑選臨床最核心、應用最廣的 HL7 系列（HL7 v2 / CDA） 與 DICOM。
• 第 (二) 子題（15 分）：分為「定義（約 7 分）」與「兩項應用（約 8 分）」。定義不可僅翻譯全名，須點出「誰制訂」、「技術本質（RESTful、Resource、Web架構）」、「設計哲學」；應用則須緊扣題幹所提之「大數據」與「未來智慧醫療」，具體列舉如「個人健康紀錄（PHR/mHealth）跨載具整合」及「臨床決策支援系統（CDSS）與 AI 輔助模組介接（SMART on FHIR）」。

2. 作答切入點：採「條列式、層次分明」的申論答題規格，以標題化（Heading）呈現各標準的架構與特色，使閱卷委員能迅速捕捉技術關鍵字（如：PDU、RESTful、JSON、Resource）。

---

選項分析

本題為申論題型，無選擇題選項；在此針對考場選材與作答觀念進行「辨析與排錯」分析：

• 醫療資訊交換標準之選材辨析：
• 正確方向：醫療資訊交換標準（Data Exchange / Messaging Standards）係規範資料傳輸之通訊協定與資料結構（如 HL7、DICOM、IEEE 11073、X12）。
• 常見錯誤：誤將「醫學術語代碼標準」（Terminology Standards，如 ICD-10-CM/PCS、SNOMED CT、LOINC、RxNorm）當作交換標準回答。術語集是交換內容中的「語意內容」，非交換標準本身，混淆者會被大幅扣分。

---

解題技巧

1. 專有名詞英文全稱必備：寫出標準名稱時，務必附上完整英文與常用縮寫（如：Digital Imaging and Communications in Medicine, DICOM），展示專業度。
2. FHIR 定義的三大黃金關鍵字：

• Resources（資源）：離散化、模組化的資料單位（如 Patient, Observation）。
• RESTful API / Web Standards：採用 HTTP 動詞（GET, POST, PUT, DELETE）與現代輕量資料格式（JSON/XML）。
• Extensibility（擴充機制）：具備 80/20 原則，內建 Extension 框架以兼顧標準通用性與在地特異需求。

3. 結合時代趨勢之應用場景：說明 FHIR 應用時，帶出「SMART on FHIR」概念，能讓論述從傳統資訊交換昇華至現代「App 經濟」與「開放醫療生態系」，極易獲取高分。

---

【答案】

一、重要醫療資訊交換標準及其內涵

(一) HL7（Health Level Seven）臨床資訊傳輸標準

1. 內涵與制定背景：

• 由美國 Health Level Seven 國際組織發展，主要依循 ISO/OSI 網路通訊協定之第七層（應用層，Application Layer）所制訂，專門規範醫療院所內部不同異質系統（如 HIS、LIS、RIS 等）之間，臨床與行政資料（如掛號、病歷、醫囑、檢驗結果、計費）的交換協定。

2. 技術核心與運作架構：

• HL7 v2.x：採用事件驅動（Event-driven）架構，當觸發特定臨床事件（Trigger Event，如病患入院 ADT-A01）時，系統會封裝產生由 ASCII 文字組成的訊息（Message）。訊息以垂直線（|）、脫字符號（^）等分隔字元組成段落（Segment，如 MSH、PID、PV1）與欄位，具有高傳輸效率與高彈性，為當前全球醫院內部介接最普及之標準。

核心觀念

本題評量考生對「傳統醫療資訊系統（HIS）」轉型升級至「智慧醫院（Smart Hospital）」與「智慧醫療（Smart Healthcare）」之架構轉變、技術整合及創新服務情境的掌握程度。

1. 核心技術整合：

• 雲端運算（Cloud Computing）：提供跨院際、跨平台彈性運算資源與巨量資料儲存，破除傳統院內封閉主機（On-premises）資訊孤島，支援連續性照護資料共享。
• 大數據分析（Big Data）：利用臨床病歷、生理監測數據及健保申報資料進行模式辨識、臨床風險預警與營運流程最佳化。
• 物聯網（IoT / IoMT）：透過 RFID、感測器、藍牙閘道器等，達成醫療設備連網、病患動態定位、生理資訊自動上傳與耗材追蹤。
• 穿戴式科技（Wearable Technology）：打破醫療場域限制，實現連續非侵入性生命徵象監測（如連續心電圖、血糖、血壓），由「院內被動治療」延伸至「院外主動監測」。

2. 轉型核心範式： 傳統醫院以「行政流程與帳務計價（Administrative-centric）」為核心；智慧醫院則以「病患為中心（Patient-centric）」與「賦能醫護（Caregiver-empowerment）」，追求就醫流程無縫化、臨床決策智能化、照護安全全面閉環化（Closed-loop）。
3. 相關法規依據： 涉及雲端運算、遠距監控與病患個人資訊之串接，須依循《個人資料保護法》及《醫療法》之規範；遠距診療與非面對面醫療服務之實施，以命題當年（民國 107 年）發布之《通訊診察治療辦法》為準（現行法已於民國 113 年修正擴大適用範圍與情境）。

---

解題方法

本題為標準的實務申論題，答題關鍵在於「避免名詞空洞堆疊」，應依循「痛點 $\rightarrow$ 導入科技 $\rightarrow$ 流程改造 $\rightarrow$ 效益成果」四層邏輯開展論述：

1. 子題 (一) 傳統醫院轉型智慧醫院（配分 15 分）：

• 設定標準：舉出 3 個具體場域（建議選擇門診、病房、後勤/給藥閉環）。
• 論述切入點：凸顯「傳統作業之痛點」（如人力浪費、人工抄寫出錯、排隊壅塞），並明確帶入題幹四大技術（雲端、物聯網、大數據、穿戴式），最後點出提升醫療品質或營運效率之具體成果。

2. 子題 (二) 智慧醫療之創新應用情境（配分 10 分）：

• 設定標準：舉出 2 個具前瞻性、跨場域整合的應用情境（如院外慢性病遠距連續照護、到院前急重症智慧救護）。
• 論述切入點：情境描述須具備生動的「端到端（End-to-End）」動態互動過程，體現由穿戴感測發動、經雲端傳輸、大數據運算輔助決策，最終反饋至醫病雙方之完整閉環。

---

選項分析

本題為申論題，非選擇題，故無個別選項。閱卷評分重點與考生易失分盲點分析如下：

1. 論述未對焦題幹技術：僅描寫「自動化」或「數位化」（如僅提及把紙本改成平板電腦填寫），未展現 IoT 連網、雲端跨界整合或大數據分析，將無法獲得高分。
2. 混淆「智慧醫院」與「智慧醫療」之範疇：

• 第 (一) 小題「智慧醫院」著重於實體醫療機構內部之營運、流程改造、臨床賦能與安全品質。
• 第 (二) 小題「智慧醫療」著重於整體醫療健康照護體系之創新服務模式，涵蓋院前、院中、院後乃至居家連續照護情境。

3. 缺乏效益評估指標：答題若能適時帶入醫務管理常用指標（如等待時間、離床跌倒率、給藥錯誤率、再入院率等），能大幅增加論述專業度。

---

解題技巧

1. 結構化答題模板：各項目採用「標題 $\rightarrow$ 傳統痛點 $\rightarrow$ 技術架構與作法 $\rightarrow$ 轉型效益」之固定段落編排，方便閱卷委員迅速尋找給分關鍵字。
2. 題幹關鍵字回填法：確保題目所列之 Cloud、Big Data、IoT、Wearable 四大關鍵名詞均有條理地分配在各子題中，展現融會貫通的能力。
3. 扣緊臺灣特色：結合臺灣健保雲端系統、高普及行動裝置、資通訊製造實力與醫護人力吃緊等現況，凸顯本土化轉型之必要性。

---

【答案】

(一) 傳統醫院因應時代趨勢成功轉型至智慧醫院之三例

傳統醫院轉型為智慧醫院，核心在於利用資通訊科技消除流程斷點、減輕醫護負擔並守護病人安全，成功實踐範例如下：

核心觀念

本題聚焦於「長照 2.0（長期照顧十年計畫 2.0）」上路後，長照體系在營運管理資訊化與法規合規性的核心架構：

1. 長照服務機構行政效能：長照服務提供者（如 A 單位社區整合型服務中心、B 單位複合型服務體系、居家服務機構）在日常營運面臨「排班派案繁瑣」、「照護紀錄紙本化難以查核」與「包裹給付核銷申報耗時」等三大行政瓶頸。資訊介入措施必須以「精準改善管理流程、降低行政謄寫負擔、加速申報撥款」為核心目標。
2. 長照資訊相關法規架構（以命題當年民國 107 年法規為準）：

• 《長期照顧服務法》（民國 104 年公布、106 年 6 月施行）：第 50 條（資訊系統建置與營運資料傳輸登錄義務）、第 43 條（業務紀錄製作保存年限與保密義務）。
• 《個人資料保護法》：健康檢查與醫療等特種個人資料保護（第 6 條）及技術/組織安全維護措施（第 27 條）。
• 《長期照顧給付及支付基準》（民國 107 年 1 月實施）：規範長照給付申報與服務碼別傳輸作業。

---

解題方法

1. 子題 (一) 切入點：從機構行政管理痛點出發，切忌將「臨床照護介入」（如跌倒感測、遠距生命徵象監測）誤當作「服務提供者行政效能介入」。應精準列舉針對「人力排班調度」、「到府服務實核紀錄」與「費用申報核銷」三項核心行政作業的資訊解決方案，並具體說明改善效能之機制。
2. 子題 (二) 切入點：採「母法核心規範 $\to$ 資安隱私通則 $\to$ 實務作業規定」之階層式論述。以《長期照顧服務法》的法定資訊系統義務為首要論述重心，並串接《個人資料保護法》與申報制度，展現公職考生對法規體系的掌握度。

---

解題技巧

1. 名詞精準化：答題時適度帶入長照 2.0 實務關鍵詞，如「照顧組合碼（Code-based）」、「GPS 電子圍籬簽到退」、「長照服務照顧管理資訊系統（Care Management System, CMS）介接」，可大幅提升得分深度。
2. 避免答題混淆：

• 「行政效能」指機構內部運作成本降低、流程自動化、防錯機制；「照護品質」指個案功能維持與安全防範。本題第 (一) 小題限定為「行政效能」，不可離題撰寫遠距醫療或智慧輔具。

3. 法規標註原則：依題目背景標註民國 107 年之法規內涵，並附帶指出後續法規沿革，展示知識廣度。

---

【答案】

(一) 提升服務提供者行政效能之三項資訊介入措施

1. 行動化照護紀錄與電子打卡簽到退系統（Mobile Care Documentation & Geofenced Clock-in）

• 作法：建置照服員專用行動載具 App，整合全球衛星定位（GPS）或 Beacon 藍牙定位技術。照服員抵達服務案家時以電子圍籬（Geofencing）完成簽到退，並於服務現場以勾選式介面即時完成照護紀錄與異常回報。
• 行政效益：完全淘汰傳統紙本簽到表與月底人工謄寫登錄流程，解決紙本易遺失、字跡辨識不清及代簽爭議；後台行政人員無需再以人工比對出勤時數，可自動產出差勤報表與計算薪資，縮短每月行政結算作業時間達 70% 以上。

2. 智慧排班與路徑最佳化調度系統（Intelligent Scheduling & Route Optimization System）