-人工智慧生醫研究院-
在職業健康領域,有一個長期被忽略的數字:全球估計有五成到九成五的職業病從未被通報。原因往往不是不願意通報,而是「來不及」。第一線的個案管理師必須在有限時間內完成訪談、記錄、判讀、填表、追蹤,光是把一段口語化的訪談內容整理成合乎規格的紀錄,就可能耗掉數小時。行政摩擦吃掉的,其實是本該用在勞工身上的照護時間。
高雄醫學大學醫務管理暨醫療資訊學系高浩雲教授團隊,針對這個痛點開發了「職業災害勞工服務資訊整合管理系統」。研究以設計科學研究法(DSRM)結合設計思考為基礎,把個管師的日常困擾放在系統設計的核心,並選擇服務腹地涵蓋 2,000 家以上工廠的南台灣區域教學醫院作為實地場域。
系統的關鍵在於「人機協作」的三段式設計。第一段是結構化輸入,以防錯欄位取代雜亂的紙本表單;第二段導入 AI 語音辨識與大型語言模型,讓訪談當下的對話能即時轉為文字並自動草擬標準化摘要;第三段則是人工確認—AI 的產出永遠只是草稿,個管師必須逐項審閱、修改、核准後才能正式匯出。臨床判斷權完全保留在專業人員手上,AI 只負責跑得快的那一段。系統另外內建 3、6、12、24 個月的自動追蹤提醒,降低長期復健個案失聯的風險。
初步導入結果相當令人振奮:單一個案的處理時間下降約六至七成,系統可用性量表(SUS)評分達 85 分,屬於「優異」等級,代表介面直觀、幾乎沒有學習曲線。個管師得以從資料輸入的疲勞中抽身,把時間還給真正需要陪伴的勞工。
展望未來,團隊規劃三個方向:一是強化隱私保護機制,為擴展至雲端環境預作準備;二是開發串接醫院資訊系統與政府通報資料庫的介接管道,讓資料一次到位;三是持續深化語音輸入技術,讓現場訪談能更自然地轉為結構化紀錄。
更重要的是,這套架構具備高度可複製性。乾淨、統一的通報資料能支撐更精確的流行病學分析與循證勞動政策;而「AI 加速、人類把關」的設計模式,也可望移植到精神醫療、慢性病照護等同樣被文書工作壓得喘不過氣的專科,成為醫療現場導入生成式 AI 的一個可信範本。

圖一:系統「AI 語音辨識訪談表單」介面—訪談對話即時轉為文字並自動對應至結構化欄位,個管師確認後填入

圖二:團隊於小港醫院場域實地訪視,與第一線個案管理師共同測試系統操作流程。