核心挑戰： 傳統放射科報告依賴「自由文本」紀錄，常面臨表達不一、資訊結構化困難及產出效率受限等痛點。
為解決此痛點，本院積極導入人工智慧（AI）胸部 X 光判讀技術，將 AI 輔助診斷結果與結構化報告（Structured Report, SR）深度整合，建立標準化影像判讀工作流程。
📌 AI+SR 系統界面：AI 推論結果將自動帶入結構化報告範本中，強化專業判讀效率
🧪 成效對比研究 (2024.06 - 2024.09)
本院針對急診胸部 X 光報告進行三種模式的成效對比研究：醫師僅依據原始影像撰寫自由文本報告、提供 AI 輔助影像但維持傳統報告形式、以及由系統將 AI 推論結果自動帶入結構化報告範本中。
⚪ 傳統模式 (NULL)
自由文本報告
85.18 秒
🔵 AI 輔助模式 (AI)
提供輔助影像
60.22 秒
🟢 AI 整合模式 (AI+SR)
結構化報告
56.82 秒
| 報告模式 |
平均完成時間 (秒) |
效益表現 |
| 傳統模式 (NULL) |
85.18 秒 |
效率基準 |
| AI 輔助模式 (AI) |
60.22 秒 |
顯著進步 (p < 0.05) |
| AI 整合模式 (AI+SR) |
56.82 秒 |
效率最優 (顯著差異 p < 0.05) |
📌 結論： AI 與 SR 的深度整合不僅強化了報告的一致性，更提升了醫療數據的可用性。數據顯示其顯著縮短了作業時間，全面支援臨床決策與醫療品質改善。
數據來源：高雄榮總 研創暨智慧醫療中心 2024 年度研究計畫