浪費醫療資源？健保署揭14萬筆頭部電腦斷層　恐4成白做

記者楊晴雯／台北報導

有頭痛問題就照電腦斷層？有些時候可能是非必要檢查？健保署近日運用人工智慧（AI）科技開發NLP模型，針對放射診斷的檢查，在14萬筆頭部電腦斷層（CT）檢查報告發現，與疾病無直接相關的異常率高達約40%。健保署長李伯璋表示，該模型未來將協助審查作業的精準化，並透過資訊回饋與醫界共同合作，減少不必要的檢查。

▲電腦斷層檢查示意圖。（圖與新聞內容無關／翻攝自網路）

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，資料量可謂非常龐大。

為使健保醫療費用審查作業更為精準並且提高效率，並減輕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，運用檢查報告資料可以更全面的評估檢查的必要性，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。

健保署表示，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，並選取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%。

▲健保署長李伯璋今日表示，NLP模型模型未來將協助審查作業的精準化。（圖／記者楊晴雯攝）

健保署視察賴秋伶說，該署進一步分析，運用NLP模型分析107年第4季14萬筆頭部CT檢查報告，結果顯示約有4成左右的檢查結果是與疾病無直接相關的異常，其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。她說明，需要治療和追蹤異常的情況包含梗塞、血腫、腫塊效應；與疾病無直接相關的異常則如動脈硬化、腦白質病變、自然老化等。

依據健保大數據分析，108年（1至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。

健保署長李伯璋表示，檢驗檢查不斷上升，這是現代醫療的趨勢，健保給付金額排名前三名，第一是電腦斷層、其次為超音波、磁振造影，因為用的是所有保險人員的資源，所以才研發該模型提供給醫院的異常數據作善意提醒，他強調，該署對醫療專業是尊重的，站在民眾角度思考，必要的檢查當然要作，但不必要時，別讓民眾暴露在太多輻射照射下，且能減少健保資源的浪費。