臨床決策支援系統是什麼？AI進醫院先接工作流

臨床決策支援系統（Clinical Decision Support System，CDSS）是把病人相關資訊、臨床知識與提醒送到照護節點的數位工具；AI 只是其中一種產生建議的方法。美國 ONC 的定義已把醫囑集、病人摘要、文件範本、診斷支援、臨床指引與警示列為常見類型。

我的判斷很直接：醫院評估 CDSS，先問它能否接上原本的電子病歷與醫師決策節點，再問模型分數。這也是醫療 AI 導入五道臨床關卡要處理的問題，工具開得出來，資料、權限與責任鏈沒有接好，臨床端仍然用不起來。

臨床決策支援系統是什麼

CDSS 的輸入通常包含病人的身分脈絡、就醫事件、檢驗、用藥、過敏、生命徵象與既有診斷；系統再把這些資料和規則、指引或模型結合，產生摘要、提醒、風險排序或下一步建議。ONC 明確要求資訊要清楚、有組織、符合醫療人員的工作流，讓使用者能及時採取行動。ONC 對 CDSS 所需條件的說明也包括可由電腦處理的醫學知識、個人化病人資訊，以及即時組合兩者的系統。

因此，CDSS 不是一個固定產品類別。計算腎功能、提醒藥物交互作用、顯示符合條件的照護指引、從病歷整理待辦事項，都可能是決策支援；是否涉及醫療器材監管，還要看預定用途與功能設計。FDA 的公開 FAQ 特別提醒，CDS 軟體有些可落在非醫材功能，有些仍符合醫材定義，判斷不能只看產品名稱。FDA CDS FAQ指出，時間關鍵的輸出通常難以證明使用者不會單獨依賴建議。

AI 怎麼接進 CDSS 工作流

一套可落地的流程至少有五個節點：取得授權的病人資料、整理成模型能讀的格式、執行規則或 AI、把依據與建議呈現在原本的工作站、記錄醫療人員如何處置。每個節點都要能回答「讀了哪筆資料、用哪個版本、誰看過、最後做了什麼」。

FHIR 處理的是資料交換語言。HL7 將 FHIR 的基本單位定義為 Resource，並指出若要支援自動化臨床決策支援與機器處理，醫療資料需要結構化與標準化。FHIR 官方規格也說明 Resource 可組合成符合特定使用情境的資料結構。

SMART on FHIR 處理的是應用程式如何被授權與接入。規格以 OAuth 2.0 為基礎，支援 EHR Launch、目前病人情境與 scopes；應用程式可以只取得被授權的資料範圍。SMART App Launch 規格把使用者應用與後端服務的授權模式分開，這讓醫院能針對「誰以什麼身分讀哪種 Resource」設計權限。

我會把這條流程拆成兩張驗收表。資料表確認欄位完整、代碼一致、時間與病人關聯正確；工作流表確認提醒出現的位置、延遲、人工覆核按鈕、例外處理與回寫紀錄。FHIR 讓系統比較容易交換資料，無法替醫院判斷資料是否適合某個模型，也無法代替臨床驗證。

台灣現在做到哪裡

台灣的在地接法由 TW Core IG 補上。衛福部的臺灣核心實作指引以 FHIR R4 為基礎，定義台灣健康照護資料交換所需的 Resource、欄位、資料類型、代碼與查詢方式；TWCDI則定義核心共通資料需求，兩者互補。這一層的價值在於，醫院可以針對台灣資料與臨床情境做一致的 Profile，降低每個專案各自翻譯欄位的成本。

衛福部公開的電子病歷應用程式名單列出 47 項應用，內容包括 SMART on FHIR 生成式 AI 整合、AI 影像判讀、急性腎損傷風險預測、臨床決策支援計算器與血脂 CDS。這表示公開政策與試作已走到應用清單層級，不能解讀成 47 個系統都已完成跨院臨床成效驗證。

衛福部臺灣健康應用空間的醫學 AI Marketplace也公開展示醫眼快決、智析通等應用描述，例如將 SMART on FHIR、EHR 病人情境與院內模型放在同一個使用流程。這些頁面對醫院很有參考價值，採購時仍要向供應商索取實際測試資料、適用族群、失敗案例與上線後監測規則。

醫院導入前要驗收什麼

第一項是預定用途。把「提供摘要」和「提出治療建議」寫在同一個需求裡，法規、臨床驗證與責任都會變得模糊。FDA 的 CDS FAQ 將時間關鍵決策、單一建議與簡單計算列為不同判斷情境，台灣團隊可借這個拆法整理需求，但產品是否為醫材仍要依台灣規範判斷。TFDA 2026 年 AI 醫療器材優良機器學習實務公告則把訓練與測試資料集、臨床評估、上市後性能監控列為產品設計、開發與維護時的參考重點。

第二項是可回查性。每次輸出至少要留資料時間點、輸入欄位、規則或模型版本、輸出內容、顯示時間、覆核者、處置結果與人工覆寫原因。這些紀錄才能支援品質改善、事件調查與版本比較；醫療 AI 責任怎麼沿著流程分配已有更完整的責任拆解。

第三項是人機分工。WHO 要求健康 AI 重視透明、專家監督與嚴謹評估，並警告未經測試的系統可能導致錯誤、傷害病人與侵蝕信任。WHO 對健康 AI 的安全提醒可以轉成醫院的三個上線問題：醫事人員看得到依據嗎？不採納建議時能留下理由嗎？系統失效時能切回人工流程嗎？

第四項是把臨床指引做成可維護內容。WHO 的 Digital Adaptation Kit 要求以透明機制共同檢視健康內容的正確性，並提供核心資料元素與決策邏輯的起點。WHO DAK說明，數位團隊與健康計畫負責人需要對系統裡的健康內容有共同理解。對台灣醫院來說，指引更新、代碼變更、模型更新與停用條件都該有負責人與日期。

CDSS 最適合被當成一條可檢查的流程來設計。病歷資料有沒有到位、建議出現時機是否合理、醫師能不能理解與覆核、系統是否記得每一次決策，這四件事比「AI 看起來很聰明」更能決定導入結果。

常見問題

臨床決策支援系統和醫療 AI 一樣嗎？
不一樣。CDSS 是支援照護決策的功能與流程集合，規則、計算器、提醒、病人摘要與 AI 模型都可能成為其中一部分。

導入 FHIR 就能直接使用臨床決策支援嗎？
不能。FHIR 處理資料的結構與交換，醫院仍要驗證資料品質、模型表現、介面時機、人工覆核和上線後監測。FHIR 官方規格也把資料交換標準與臨床決策支援本身分成不同層次。

醫院採購 CDSS 最先該問供應商什麼？
先問預定用途、適用族群、輸入資料、建議依據、模型或規則版本，以及醫師如何覆核、覆寫和停用。接著要求用本院資料做工作流測試，並把每次輸出與處置結果留下可查紀錄。