聯絡我們
AI Teams
Social CRM
政府與系統整合
解決方案
資源
政府與系統整合 · 公部門專案衛生福利部醫事司
數十個系統，第一次一起看。
過去 20 年，醫事司的資料分散在數十個像黑盒子一樣的獨立系統，科室之間、系統之間互不相連。長官要一份跨單位的分析報告，同仁得花上數週人工彙整。我們承接「醫事行政管理數位再造計畫」，為醫事司建立數據整合中台。
醫事數據整合中台（示意）
示意
數十個系統
醫事管理系統
幼兒專責醫師
醫院評鑑
+ 其他數十個系統
外部資料
人口健保長照死亡統計
整合中台
1
清洗與標準化FHIR
2
去識別化
3
統一鍵值
對外提供
API
SFTP
SQL Endpoint
BI 分析
RAG 知識中心
於機關專用機房運作
- 委託單位
- 衛生福利部醫事司
- 計畫
- 醫事行政管理數位再造計畫
- 履約
- 113 年度驗收結案，115 年度續約
- 運作環境
- 衛生福利部專用機房
數十個核心系統打通
FHIR國際醫療資料標準
3 種對外接口：API、SFTP、SQL Endpoint
續約113 年度驗收後，115 年度續約
挑戰
資料都在，卻沒辦法一起用。
醫事管理、幼兒專責醫師、醫院評鑑等核心系統各自為政。要做一份跨單位的分析，得靠人工彙整，甚至公文往返；這種「數據失能」，大幅拉長了數位轉型的路。
這個計畫的目標不只是彙整與查詢，而是統一重塑資料樣態：把零散的行政資料，變成有決策價值的數位資產；同時在機關資安與隱私規範下，為未來的智慧醫政打好基礎。
我們的做法
01 · 資料清洗與標準化
ETL 清洗，依 FHIR 標準統一格式
面對數十個異質的後台系統，我們做了深度的 ETL 清洗：移除冗餘雜值、統一鍵值邏輯，並遵循 FHIR 國際醫療資料標準做格式標準化，讓跨科室、跨單位甚至跨部會的資料處理即插即用。
- 導入 Data Fabric 架構，搭配 NoSQL 雲端資料湖
- 同時承載結構化與非結構化資料
- 串接內政部人口、健保、長照與死亡人數統計等外部資料
ETL 清洗作業（示意）
示意
來源紀錄・3 個系統
醫事管理系統
hosp_code:0101-A
lic_date:113/5/2(民國年)
dept:小兒科
幼兒專責醫師
HospID:0101A
start_dt:2024/05/02
dept_name:兒科門診
醫院評鑑
org_no:0101 A
date:2024-5-2
spec:Pediatrics
清洗後・FHIR 資源FHIR R4
resourceType:"Organization"
identifier:"0101A"
address.city:"臺北市"
resourceType:"Practitioner"
qualification.code:"PED" · 小兒科
period.start:"2024-05-02"
managingOrganization:"Organization/0101A"
重複欄位 4 個已合併
移除冗餘統一鍵值FHIR
Data Fabric＋NoSQL 資料湖：結構化與非結構化並存
02 · 數據整合中台
一個中台，三種對外接口
中台同時提供 API、SFTP、SQL Endpoint 等對外接口，醫事司與其他科室可以直接接上 BI 做分析，每一筆醫療行政資料都能成為政策決策的依據。
- 統一鍵值，可跨表串連
- 對外接口採一致的存取控制
- AI-Ready 架構，為後續 AI 推論打底
對外接口主控台（示意）
依角色授權
API連線中
GET /v1/practitioners?region=north&specialty=PED
200 OK・FHIR JSON
SFTP每日 02:00 匯出
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;
BI 預覽：各區專責醫師數（示意）
北區中區南區東區離島
醫事司完整各科室分析檢視外部單位僅去識別化資料
03 · RAG 知識中心
AI 的回答，有資料可查
在整合中台之上建立 RAG 知識中心，以結構化的醫政資料作為 AI 推論的知識錨點。AI 不只是「會說話」，而是能讀懂醫政脈絡、即時調取最新數據、輔助政策判讀。
- 每個回答都能回溯到資料來源
- 即時調取中台的最新數據
- 輔助判讀，決定仍由同仁做
RAG 知識中心（示意）
示意
近三年各縣市專責醫師人數變化？
AI 回答
近三年專責醫師人數整體呈上升趨勢，北部與中部縣市增加較明顯。東部與離島縣市變化不大，仍是人力相對不足的區域，建議列入下一階段檢視。
縣市112→114 年趨勢
臺北市上升
臺中市上升
高雄市持平
花蓮縣持平
資料來源（示意）
1幼兒專責醫師名冊更新 115/11/01
2醫事人員執業登記更新 115/11/01
回答可回溯到資料來源・決定由同仁做
04 · 隱私與資安
隱私保護，從架構設計就開始
在衛生福利部專用機房內導入安全開發生命週期（SSDLC），從需求、設計、開發到上線，每個環節都經過安全審查。
- 所有敏感醫療資料在處理前完成去識別化
- VM 虛擬機與 SQL 伺服器隔離
- 以零信任原則保障全民個資
去識別化處理（示意）
示意
處理前處理後
身分證號A12•••••89PID-7F3A2C代碼化
姓名王＊明＊＊＊遮蔽
生日1987-03-141985–1989區間化
執業科別小兒科小兒科保留
執業縣市臺北市臺北市保留
原始資料只在專用機房內處理，畫面已遮蔽
衛福部專用機房VM 隔離SQL 伺服器隔離
SSDLC 安全審查需求設計開發上線
成果
醫政資料，第一次能跨系統一起看。
| 面向 | 成果 |
|---|---|
| 資料整合 | 打通醫事管理、幼兒專責醫師、醫院評鑑等數十個核心系統 |
| 外部串接 | 人口、健保、長照與死亡人數統計，和醫政資料一起看 |
| 分析 | 提供 API、SFTP、SQL Endpoint，各科室可直接做 BI 分析 |
| 履約 | 113 年度驗收結案，115 年度續約；另執行 114–115 年度醫事人力管理效能提升及數位應用推動計畫 |
聯絡我們
即刻展開 AI 數位轉型。
他們都選擇了 OakMega
