尿蛋白 +1、+2 先當成需要確認的訊號。常用尿液試紙的 1+ 約相當於 30 mg/dL、2+ 約 100 mg/dL，但這是半定量結果，單次紅字不能直接等同腎臟疾病；尿液試紙檢查回顧建議陽性後接續尿白蛋白／肌酸酐比值等定量檢查。

如果把這張健檢報告交給 AI，第一個任務也不是替你下診斷。系統要先保存原始結果、檢驗方法、檢體時間與參考區間，再把可追溯的資料交給人判讀；這和醫療 AI 導入要過的五道臨床關卡及FHIR 讓 AI 讀懂病歷的資料骨架是同一條產品設計問題。

尿液檢驗報告、試紙與檢體杯放在醫療桌面上
尿蛋白試紙呈現反應等級，判讀時還要回看檢體與檢驗條件。（示意圖）

尿蛋白 +1、+2 是什麼

尿液試紙是把檢體接觸到帶有顯色反應的試紙墊，顏色深淺對應蛋白濃度區間。美國家庭醫學科醫師學會整理的常見換算為：1+ 約 30 mg/dL、2+ 約 100 mg/dL、3+ 約 300 mg/dL、4+ 約 1,000 mg/dL；同一份回顧也提醒，這些數字應視為近似值，陽性結果要用定量方法確認。Office-Based Urinalysis 回顧

報告上的「+」描述的是試紙反應等級，數字會受到尿液濃度與檢驗條件影響。MedlinePlus 列出的干擾因素包括脫水、劇烈運動、泌尿道感染、近期顯影劑，以及陰道分泌物混入檢體；這些因素讓 AI 直接把 +1 翻成固定風險分數時，容易產生過度解讀。MedlinePlus 尿蛋白試紙檢查

臨床上要把「一次陽性」和「持續性蛋白尿」分開處理。較穩妥的資料流程是保留原始試紙等級，依醫療人員判斷安排適當複驗，再用尿白蛋白／肌酸酐比值或其他定量檢查確認；試紙結果本身沒有提供足夠資訊判斷蛋白排出量。American Family Physician 的尿液檢查建議

AI 健檢判讀怎麼運作

一個可用的 AI 健檢模組，至少要把報告拆成三欄。第一欄是原始結果，例如 +1、+2 或實驗室給的數值；第二欄是脈絡，包括單位、檢驗方法、檢體日期與時間、參考區間；第三欄才是 AI 的整理與提示，並且要保留它引用了哪些輸入。這套拆法符合 FHIR 對 Observation 的基本精神：Observation 用來記錄關於病人的測量與簡單判定，臨床診斷仍要放在更完整的醫療脈絡裡。HL7 FHIR R4 Observation

這三欄直接決定 AI 能不能被追問。若模型說「腎臟風險升高」，使用者應能回看它讀到的是哪一次檢查、哪個單位、哪個參考範圍，以及報告是否同時有血尿、肌酸酐或其他相關資訊。FDA 對臨床決策支援軟體的要求也把必要輸入、演算法與驗證資料、病人特定資訊，以及已知與未知事項列為獨立檢視建議依據的一部分。FDA Clinical Decision Support Software 說明

醫院筆電顯示結構化健檢資料欄位，旁邊放著檢驗報告
把報告欄位結構化，AI 才能讓人回看每一個判讀依據。（示意圖）

AI 最容易漏掉的三個欄位

第一是檢驗方法。尿液試紙、尿白蛋白定量與尿蛋白／肌酸酐比值測量的對象和單位不同，介面若只顯示「蛋白尿陽性」，後端就失去區分依據。MedlinePlus 將試紙與微量白蛋白檢查分開說明，這也是產品不能把所有「尿蛋白」字串合成同一數值的理由。

第二是檢體時間。今天的 +1 與半年前的 +1 需要分開儲存，AI 才能呈現變化，醫療人員也才有機會檢查是否發生在運動、感染或脫水等情境。第三是參考區間，FHIR 的 Observation 內容包含檢驗結果與參考範圍等資料元素，台灣 TW Core 也以實驗室檢驗結果 Profile 定義這類資料的交換骨架。TW Core Observation Laboratory Result

我的設計取捨是：缺少其中一欄時，AI 應該回報「資料不足」並指出缺欄位，保留原始報告供人工查看。把缺值補成預設單位或通用參考區間，短期看起來順暢，長期會讓錯誤躲進模型輸出。

台灣現況：FHIR 先處理檢驗資料怎麼交換

台灣衛福部的 TW Core IG 以 FHIR R4 為基礎，另定義實驗室檢驗結果的 Observation Profile。官方說明指出，這個 Profile 用來呈現實驗室檢驗資料，Observation 記錄測量與簡單判定，並能和 Patient、DiagnosticReport 等資源連結。TW Core Observation Laboratory Result Profile

FHIR 的資料結構對 AI 有一個很實際的好處：檢驗結果不必永遠困在 PDF 或掃描影像裡。HL7 對 Observation 的定義涵蓋實驗室資料，DiagnosticReport 則可提供檢驗報告的臨床脈絡並引用個別 Observation；醫院因此能把原始結果與報告層次分開保存，再交給不同系統使用。HL7 FHIR R4 Observation 規格

這裡也要把健保資料和電子病歷分開看。健保資料適合處理給付、就醫與群體分析等任務，完整健檢報告還包含檢驗方法、參考區間與檢體條件；若要把兩者交給 AI，資料授權、欄位品質與跨院驗證要各自列入需求，可先參考健保資料能訓練 AI 嗎？三道門檻看懂的資料治理框架。

台灣醫院資訊中心以抽象資料流連接檢驗室與多個醫療系統
FHIR 提供交換骨架，醫院仍要處理不同系統的欄位品質與語意對照。（示意圖）

臨床導入要驗收什麼

健檢 AI 上線前，我會把驗收拆成三層。第一層測資料：同一份報告的 +1、單位、檢體時間與參考區間是否被完整讀取；第二層測模型：缺少檢體時間或出現不同單位時，系統是否停止推論並標示限制；第三層測工作流：醫師能否在原始報告、AI 摘要與後續檢查之間來回查看，並留下覆核紀錄。這些項目是依 FHIR 欄位與 FDA「可獨立檢視建議依據」原則轉成的產品驗收要求。FDA CDS 軟體的輸入與驗證要求

若產品已進入醫療器材的 AI/ML 軟體範圍，TFDA 的諮詢輔導問答集建議說明模型運作流程、使用資料集、訓練方式、限制、完整功能與效能，以及臨床驗證結果；文件也要求把假陽性、假陰性與輸出不能單獨作為診斷依據等風險說清楚。TFDA AI/ML 醫療器材查驗登記問答集

兩名醫療人員在工作站前比對 AI 判讀與原始尿液檢驗資料
AI 摘要進入臨床流程前，醫療人員仍要能核對原始資料與輸出依據。（示意圖）

該注意什麼：AI 可以整理，不能替單次結果做決定

對讀者來說，看到尿蛋白 +1 或 +2，先把完整報告留好，確認檢驗日期、方法、單位與參考區間，再把同次的其他尿液與血液結果一起交給醫療人員判讀。MedlinePlus 也提醒，正常範圍會因實驗室、測量方式與檢體不同而略有差異，報告上的實際參考值不能省略。MedlinePlus 尿蛋白檢查說明

對產品團隊來說，最該防的是「看起來很完整」的錯誤摘要。AI 若把 +1 自動翻成固定疾病、把 +2 自動轉成個人風險，使用者很難察覺它漏讀了哪些欄位；TFDA 文件要求揭露輸出限制，FDA 也要求讓醫療專業人員檢視建議依據，這兩條都把責任拉回資料透明度與臨床覆核。TFDA AI/ML 醫材問答集、FDA CDS 指引

我會在介面上固定留下四個操作：看原始報告、看 AI 讀到的欄位、看判讀依據與限制、送出人工覆核。這四步讓一次健檢紅字回到可追蹤的醫療資訊流程，也讓醫院知道模型何時該停、由誰接手。

醫療團隊在桌前檢視 AI 健檢流程、人工簽核與異常處理清單
模型輸出要連著人工覆核與替代流程，責任才有清楚落點。（示意圖）

常見問題

尿蛋白 +1 或 +2 就代表腎臟生病嗎？
不一定，試紙結果會受尿液濃度、運動、感染與檢體污染等因素影響。MedlinePlus 尿蛋白試紙說明指出，陽性結果要放回完整檢驗與臨床脈絡判讀。

看到尿蛋白 +1、+2，AI 可以直接算出風險嗎？
單次半定量結果缺少持續性與其他臨床資訊，無法支撐單獨診斷。尿液檢查回顧建議陽性試紙接續定量檢查，例如尿白蛋白／肌酸酐比值。

醫院導入尿蛋白 AI 時，最少要留下哪些資料？
至少要保留原始結果、單位、檢驗方法、檢體日期時間、參考區間與 AI 輸出依據。台灣 TW Core Observation Laboratory Result Profile與 FDA CDS 原則都支持把檢驗資料與判讀依據分開保存，讓醫療人員能回看與覆核。