Selama 20 tahun, data Jabatan Hal Ehwal Perubatan tersebar dalam berpuluh-puluh sistem berasingan yang umpama kotak hitam, tanpa sambungan antara bahagian mahupun antara sistem. Setiap kali pengurusan memerlukan laporan analisis rentas unit, kakitangan menghabiskan berminggu-minggu menyusunnya secara manual. Melalui Program Transformasi Digital Pentadbiran Perubatan, kami membina hab integrasi data untuk jabatan ini.

Hubungi kami

Hab integrasi data perubatan (ilustrasi)

Ilustrasi

Berpuluh-puluh sistem

Pentadbiran perubatan

Doktor khusus kanak-kanak

Akreditasi hospital

+ Berpuluh sistem lagi

Data luaran

PendudukInsurans kesihatanPenjagaan jangka panjangStatistik kematian

Hab integrasi

Bersih & piawaikanFHIR

Nyah-kenal pasti

Satukan kunci

Disediakan melalui

API

SFTP

SQL Endpoint

Analitik BI

Pusat pengetahuan RAG

Beroperasi di pusat data khusus agensi

Pelanggan: Jabatan Hal Ehwal Perubatan, Kementerian Kesihatan dan Kebajikan Taiwan
Program: Program Transformasi Digital Pentadbiran Perubatan
Kontrak: Diterima dan ditutup pada 2024; diperbaharui untuk 2026
Persekitaran: Pusat data khusus Kementerian Kesihatan dan Kebajikan

Berpuluhsistem teras disambungkan

FHIRpiawaian data kesihatan antarabangsa

3 jenisantara muka luaran: API, SFTP, SQL Endpoint

Diperbaharuiditerima pada 2024, diperbaharui untuk 2026

Cabaran

Datanya ada, tetapi tidak boleh digunakan bersama.

Sistem teras seperti pentadbiran perubatan, doktor khusus kanak-kanak dan akreditasi hospital beroperasi secara berasingan. Sebarang analisis rentas unit memerlukan penyusunan manual, malah kadangkala surat-menyurat rasmi. "Kelumpuhan data" seperti ini memanjangkan perjalanan transformasi digital dengan ketara.

Matlamat program ini bukan sekadar menyusun dan menyoal data, tetapi membentuk semula data itu sendiri: menukar rekod pentadbiran yang berselerak menjadi aset digital yang bernilai untuk membuat keputusan, sambil meletakkan asas bagi pentadbiran kesihatan pintar di bawah peraturan keselamatan dan privasi agensi.

Apa yang kami lakukan

01 · Pembersihan & pemiawaian data

Pembersihan ETL, diseragamkan mengikut piawaian FHIR

Berdepan berpuluh-puluh sistem belakang yang berbeza, kami menjalankan pembersihan ETL yang mendalam: membuang nilai berlebihan dan hingar, menyeragamkan logik kunci, dan memiawaikan format mengikut piawaian data kesihatan antarabangsa FHIR, supaya data boleh diproses secara pasang-dan-guna merentas bahagian, unit malah kementerian.

Seni bina Data Fabric bersama tasik data awan NoSQL
Data berstruktur dan tidak berstruktur disimpan bersama
Disambungkan dengan data luaran: penduduk Kementerian Dalam Negeri, insurans kesihatan, penjagaan jangka panjang dan statistik kematian

Tugas pembersihan ETL (ilustrasi)

Ilustrasi

Rekod sumber · 3 sistem

Pentadbiran perubatan

hosp_code:0101-A

lic_date:113/5/2(Tahun ROC)

dept:Pediatrik

Doktor khusus kanak-kanak

HospID:0101A

start_dt:2024/05/02

dept_name:Klinik kanak-kanak

Akreditasi hospital

org_no:0101 A

date:2024-5-2

spec:PED.

Selepas dibersihkan · sumber FHIRFHIR R4

resourceType:"Organization"

identifier:"0101A"

address.city:"Taipei"

resourceType:"Practitioner"

qualification.code:"PED" · Pediatrik

period.start:"2024-05-02"

managingOrganization:"Organization/0101A"

4 medan pendua digabungkan

Lebihan dibuangKunci diseragamkanFHIR

Data Fabric + tasik data NoSQL: data berstruktur dan tidak berstruktur bersama

02 · Hab integrasi data

Satu hab, tiga antara muka luaran

Hab ini menyediakan API, SFTP dan SQL Endpoint, jadi Jabatan Hal Ehwal Perubatan dan bahagian lain boleh menyambung alat BI terus untuk analisis. Setiap rekod pentadbiran perubatan boleh menjadi asas keputusan dasar.

Kunci seragam yang boleh menyambung rentas jadual
Kawalan akses yang konsisten pada setiap antara muka
Seni bina AI-Ready sebagai asas inferens AI seterusnya

Konsol titik akhir luaran (ilustrasi)

Akses ikut peranan

APIDisambung

GET /v1/practitioners?region=north&specialty=PED

200 OK · FHIR JSON

SFTPDieksport setiap hari 02:00

practitioner_20261110.csv.gz

organization_20261110.csv.gz

accreditation_20261110.csv.gz

SQL Endpoint

SELECT o.region, COUNT(p.id)
FROM practitioner p
JOIN organization o
  ON p.org_key = o.org_key
GROUP BY o.region;

Pratonton BI: doktor khusus ikut wilayah (ilustrasi)

UtaraTengahSelatanTimurPulau

Jabatan Hal Ehwal PerubatanPenuhBahagian lainPaparan analitikUnit luaranData nyah-kenal pasti sahaja

03 · Pusat pengetahuan RAG

Jawapan AI yang boleh disemak dengan data

Di atas hab integrasi, kami membina pusat pengetahuan RAG yang menjadikan data pentadbiran kesihatan berstruktur sebagai sauh pengetahuan untuk inferens AI. AI bukan sekadar "pandai bercakap", tetapi memahami konteks pentadbiran kesihatan, menarik data terkini secara masa nyata dan membantu mentafsir dasar.

Setiap jawapan boleh dijejak ke sumber datanya
Menarik data terkini daripada hab secara masa nyata
Membantu tafsiran; keputusan tetap dibuat oleh kakitangan

Pusat pengetahuan RAG (ilustrasi)

Ilustrasi

Bagaimana bilangan doktor khusus di setiap bandar/daerah berubah dalam tiga tahun lepas?

Jawapan AI

Dalam tiga tahun lepas, bilangan doktor khusus secara keseluruhan meningkat, paling ketara di utara dan tengah. Daerah timur dan pulau-pulau hampir tidak berubah dan masih kekurangan tenaga, jadi wajar dikaji dalam fasa seterusnya.

Bandar/daerah2023→2025Trend

TaipeiMeningkat

TaichungMeningkat

KaohsiungMendatar

HualienMendatar

Sumber (ilustrasi)

1Daftar doktor khusus kanak-kanakDikemas kini 2026-11-01

2Pendaftaran amalan kakitangan perubatanDikemas kini 2026-11-01

Setiap jawapan boleh dijejak ke sumbernya · keputusan dibuat oleh kakitangan

04 · Privasi & keselamatan

Perlindungan privasi bermula dari reka bentuk seni bina

Di dalam pusat data khusus Kementerian Kesihatan dan Kebajikan, kami melaksanakan kitaran hayat pembangunan perisian selamat (SSDLC): setiap peringkat, daripada keperluan dan reka bentuk hingga pembangunan dan pelancaran, melalui semakan keselamatan.

Semua data perubatan sensitif dinyah-kenal pasti sebelum diproses
Pengasingan VM dan pelayan SQL
Prinsip Zero Trust untuk melindungi data peribadi rakyat

Nyah-kenal pasti data (ilustrasi)

Ilustrasi

SebelumSelepas

No. pengenalanA12•••••89PID-7F3A2CDitokenkan

NamaAhmad F********Disembunyikan

Tarikh lahir1987-03-141985–1989Dijulatkan

KepakaranPediatrikPediatrikDikekalkan

Lokasi amalanTaipeiTaipeiDikekalkan

Data mentah diproses hanya di pusat data khusus; disembunyikan pada skrin

Pusat data khusus MOHWPengasingan VMPengasingan pelayan SQL

Semakan keselamatan SSDLCKeperluanReka bentukPembangunanPelancaran

Hasil

Data pentadbiran kesihatan, dilihat merentas sistem buat kali pertama.

Aspek	Hasil
Integrasi data	Berpuluh-puluh sistem teras disambungkan, termasuk pentadbiran perubatan, doktor khusus kanak-kanak dan akreditasi hospital
Sambungan luaran	Penduduk, insurans kesihatan, penjagaan jangka panjang dan statistik kematian dilihat bersama data pentadbiran kesihatan
Analitik	API, SFTP dan SQL Endpoint disediakan supaya setiap bahagian boleh menjalankan analisis BI secara terus
Kontrak	Diterima dan ditutup pada 2024, diperbaharui untuk 2026; turut melaksanakan Program Peningkatan Kecekapan Pengurusan Tenaga Kerja Perubatan dan Aplikasi Digital 2025–2026

Projek sektor awam lain