:::
隨著全球醫療體系面臨護理人力短缺挑戰，如何運用科技提升臨床與行政效率，成為智慧醫療發展的重要課題。臺北醫學大學（TMU）醫療體系導入生成式人工智慧（GenAI）技術，可大幅縮短護理交班重點之查找、彙整與結構化撰寫之時間。在北醫醫療體系三家附屬醫院實際導入TAIP-X系統後，北醫附醫、萬芳醫院與雙和醫院三家醫院每月可節省 474至981小時的文書作業時間，讓護理人員能把更多時間投入病人照護。
AI自動整理交班資料 減輕護理文書負擔
在醫院臨床流程中，「護理交班」是確保醫療資訊連續與病人安全的重要環節。護理師需要整理病人的生命徵象、檢驗結果、治療與用藥資訊，再將關鍵資訊交接給下一班醫護人員。
透過北醫體系自主研發的TAIP-X系統，大型語言模型（LLM）可自動擷取電子病歷中的臨床資訊，快速生成護理交班草稿。系統採「AI生成、護理師確認」的人機協作模式，護理人員只需檢視與必要修正，即可完成交班紀錄。
為確保醫療安全，系統依循國際 ISBAR（Identify、Situation、Background、Assessment、Recommendation）架構整理資訊，並透過邏輯限制與人工審核機制，降低生成式 AI 可能出現錯誤資訊的風險。
三院實證 文書時間最高減少73%
北醫醫療體系自2024年10月起，在北醫附醫、萬芳醫院與雙和醫院導入TAIP-X系統。結果顯示， 每位病人的交班重點彙整時間由原本 3.45至4.32 分鐘，縮短至1.17至2.54分鐘，平均減少26%至73%。
若以整體醫療體系運作量估算，三家醫院每月可節省474至981小時的文書時間，相當於釋放 0.7至 1.8名全職護理人力。
智慧醫療布局：北醫打造AI驅動醫療體系
北醫體系近年積極推動智慧醫療發展，透過整合醫療數據與AI技術，優化臨床流程與醫療管理。TAIP-X系統已逐步應用於臨床資料整理、醫療決策支援與醫院營運管理，提升整體醫療效率。
未來相關技術也將評估應用於更多臨床文書工作，例如出院摘要、手術紀錄及醫療報告生成，進一步減輕醫護人員的行政負擔。
研究成果登上國際期刊
相關成果已發表於國際期刊 《Journal of Medical Internet Research》(JMIR)，論文探討將大型語言模型整合至護理資訊系統，以協助生成護理交班重點摘要並提升臨床文書效率，並在臺北醫學大學醫療體系三家附屬醫院進行實證研究。
---
論文原文連結：https://www.jmir.org/2026/1/e81604
---