算力资源加持 台大ICD10自动编码迈向商业化

台湾大学信息工程学系教授赖飞罴带领团队，(左起)亚东医院医疗事务处保险课邱琦皓组长、陈冠至医师、医疗事务处林裕诚主任、赖飞罴教授、陈沛甫医师、研究生廖伟智。台湾大学

为让各国病患能获得持续性、完善的照护服务，多年前WHO开始制定一套国际疾病分类(International Statistical Classification of Diseases and Related Health Problems)，作为全球卫生趋势和统计数据的基础，让各地卫生专业人员，能够通过共同语言来交换世界各地的卫生信息。简单来说，医师在问诊过程中，可根据病患的回答与实际检查结果，以及后续进行的手术或处置，依照 国际疾病分类规范进行后续的病历编码工作。

目前国际主流是国际疾病分类标准第十版(10th revision of the International Statistical Classification of Diseases and Related Health Problems；ICD-10) ，台湾健保署也依照此规范，作为后续医疗院所申请健保给付的分类表准。

随着AI技术成熟，且被大量应用在医疗领域后，台湾大学信息工程学系教授赖飞罴带领团队将此技术应用于病历编码。该团队聚焦在「ICD10的自动编码」与「基因变异与疾病关系判读」等领域，其所开发的「台大医神－精准医疗人工智能辅助决策系统」，在诊断码与处置码的生成过程当中，准确率分别已接近83%与70%。

台大资工系教授赖飞罴指出，传统病历编码工作必须由病历编码师检视病患的看诊、住院数据，并确认当次治疗的疾病种类后，进而产出相对应的诊断、处置码，借此向健保署申请费用。

而当病患本身有多种疾病时，如高血压、糖尿病等，在治疗过程中就必须耗费多时检视病历相关内容，并搭配过往的经验，再从中找出与本次治疗相关的项目后，才能产出合适的诊断、处置码，进而向健保署申请当次治疗费用。

由于医疗院所面临人力严重不足的问题，病历编码师工作非常繁重，长期下来难保不会发生分类错误，导致申请健保费用损失的问题。如此一来，病历编码师势必得再重新进行分类、申报费用等。

因此在减少医师、病历编码师工作时间，同时加快看诊速度、减少临床错误等前提下，赖飞罴团队运用AI搭配技术，投入 ICD10的自动编码专案，期盼能够帮助医疗产业提升整体服务品质，以及提高健保申报正确率，目前整体成绩非常亮眼。

GPU算力、大容量存储器助阵  大幅缩短专案时程

若要提高 ICD10自动编码专案的准确率，势必得借重GPU运算资源进行AI模型训练。过往赖飞罴团队在科技部计划补助下，已有购买具备GPU卡的AI服务器，只是在有限的GPU运算力及存储器数量下，每次只能进行一种数据分类的模拟训练，且最多只能设定batch size为16，每次运算结果需等待24小时后才能得知。后来再度于科技部支持下，顺利改用国研院国网中心TWCC台湾AI云资源后，让ICD10自动编码专案的AI模型训练结果有很大进步。

赖飞罴团队表示，以往AI模型的参数调整之后，在单一台AI服务器上执行后，得花上1天才知道结果，团队的整体思考模式很容易被打断、也不容易连贯。

现在改用国网中心的运算资源，受惠于GPU运算力大增、存储器容量也变大，除batch size增加到32外，也可同时执行2-3个AI模型训练，且只需一个小时就能得到结果。如此一来，不仅节省许多时间，团队成员可当下可立即进行讨论并修正方向，对于专案进度与成果的帮助非常明显。

由于国网中心的TWCC台湾AI云平台支持平行运算架构，所以在赖飞罴团队规划中，未来不排除修改运算架构，以便能同时运用多个GPU芯片，搭配增加每次使用的数据量，尽速让 ICD10自动编码商业化，让更多医院都能享受到AI结合医疗带来的效益。