ภาครัฐและการเชื่อมต่อระบบ · โครงการภาครัฐกรมการแพทย์ กระทรวงสาธารณสุขและสวัสดิการไต้หวัน

ระบบหลายสิบระบบ มองเห็นร่วมกันได้เป็นครั้งแรก

ตลอด 20 ปีที่ผ่านมา ข้อมูลของกรมการแพทย์กระจายอยู่ในระบบอิสระหลายสิบระบบที่เหมือนกล่องดำ ไม่มีการเชื่อมโยงทั้งระหว่างฝ่ายและระหว่างระบบ เมื่อผู้บริหารต้องการรายงานวิเคราะห์ข้ามหน่วยงาน เจ้าหน้าที่ต้องใช้เวลาหลายสัปดาห์รวบรวมด้วยมือ เราได้รับมอบหมายใน "โครงการปฏิรูปดิจิทัลการบริหารงานการแพทย์" เพื่อสร้างศูนย์กลางบูรณาการข้อมูลให้กรมการแพทย์

ศูนย์กลางบูรณาการข้อมูลการแพทย์ (ตัวอย่าง)
ตัวอย่าง
ระบบหลายสิบระบบ
ระบบบริหารงานการแพทย์
แพทย์ประจำเด็กเล็ก
ประเมินรับรองโรงพยาบาล
+ อีกหลายสิบระบบ
ข้อมูลภายนอก
ประชากรประกันสุขภาพดูแลระยะยาวสถิติการเสียชีวิต
ศูนย์กลางบูรณาการ
1
ทำความสะอาดและจัดมาตรฐานFHIR
2
ลบข้อมูลระบุตัวตน
3
รวมคีย์ให้เป็นหนึ่งเดียว
ส่งออกผ่าน
API
SFTP
SQL Endpoint
วิเคราะห์ BI
ศูนย์ความรู้ RAG
ทำงานในศูนย์ข้อมูลเฉพาะของหน่วยงาน
หน่วยงานผู้ว่าจ้าง
กรมการแพทย์ กระทรวงสาธารณสุขและสวัสดิการไต้หวัน
โครงการ
โครงการปฏิรูปดิจิทัลการบริหารงานการแพทย์
สัญญา
ตรวจรับและปิดโครงการปี 2024 ต่อสัญญาปี 2026
สภาพแวดล้อม
ศูนย์ข้อมูลเฉพาะของกระทรวงสาธารณสุขและสวัสดิการ
หลายสิบระบบหลักที่เชื่อมถึงกัน
FHIRมาตรฐานข้อมูลการแพทย์สากล
3 ช่องทางเชื่อมต่อภายนอก: API, SFTP, SQL Endpoint
ต่อสัญญาตรวจรับปี 2024 ต่อสัญญาปี 2026
ความท้าทาย

ข้อมูลมีครบ แต่ใช้ร่วมกันไม่ได้

ระบบหลักอย่างการบริหารงานการแพทย์ แพทย์ประจำเด็กเล็ก และการประเมินรับรองโรงพยาบาล ต่างทำงานแยกกัน การวิเคราะห์ข้ามหน่วยงานต้องรวบรวมด้วยมือ บางครั้งต้องส่งหนังสือราชการไปมา "ภาวะข้อมูลใช้การไม่ได้" แบบนี้ทำให้เส้นทางสู่การเปลี่ยนผ่านดิจิทัลยาวขึ้นมาก

เป้าหมายของโครงการไม่ใช่แค่รวบรวมและค้นหาข้อมูล แต่คือการปรับรูปแบบข้อมูลใหม่ทั้งหมด เปลี่ยนข้อมูลบริหารที่กระจัดกระจายให้เป็นสินทรัพย์ดิจิทัลที่มีคุณค่าต่อการตัดสินใจ และวางรากฐานให้การบริหารสาธารณสุขอัจฉริยะในอนาคต ภายใต้ข้อกำหนดด้านความปลอดภัยและความเป็นส่วนตัวของหน่วยงาน

สิ่งที่เราทำ
01 · ทำความสะอาดและจัดมาตรฐานข้อมูล

ทำความสะอาดด้วย ETL และรวมรูปแบบตามมาตรฐาน FHIR

เมื่อต้องรับมือกับระบบหลังบ้านที่แตกต่างกันหลายสิบระบบ เราทำ ETL เชิงลึก ตัดค่าซ้ำซ้อนและค่าขยะ รวมตรรกะของคีย์ให้เป็นหนึ่งเดียว และจัดรูปแบบตามมาตรฐานข้อมูลการแพทย์สากล FHIR ทำให้การประมวลผลข้อมูลข้ามฝ่าย ข้ามหน่วยงาน หรือแม้แต่ข้ามกระทรวงทำได้แบบเสียบแล้วใช้ได้ทันที

  • ใช้สถาปัตยกรรม Data Fabric ร่วมกับดาต้าเลคบนคลาวด์แบบ NoSQL
  • รองรับทั้งข้อมูลแบบมีโครงสร้างและไม่มีโครงสร้าง
  • เชื่อมข้อมูลภายนอก เช่น ประชากรจากกระทรวงมหาดไทย ประกันสุขภาพ การดูแลระยะยาว และสถิติการเสียชีวิต
งานทำความสะอาดข้อมูล ETL (ตัวอย่าง)
ตัวอย่าง
ระเบียนต้นทาง · 3 ระบบ
ระบบบริหารงานการแพทย์
hosp_code:0101-A
lic_date:113/5/2(ปีปฏิทินไต้หวัน)
dept:กุมารเวช
แพทย์ประจำเด็กเล็ก
HospID:0101A
start_dt:2024/05/02
dept_name:คลินิกเด็ก
ประเมินรับรองโรงพยาบาล
org_no:0101 A
date:2024-5-2
spec:PED.
หลังทำความสะอาด · ทรัพยากร FHIRFHIR R4
resourceType:"Organization"
identifier:"0101A"
address.city:"ไทเป"
resourceType:"Practitioner"
qualification.code:"PED" · กุมารเวชกรรม
period.start:"2024-05-02"
managingOrganization:"Organization/0101A"
รวมฟิลด์ซ้ำ 4 ฟิลด์แล้ว
ตัดข้อมูลซ้ำซ้อนรวมคีย์เป็นหนึ่งเดียวFHIR
Data Fabric + ดาต้าเลค NoSQL: เก็บข้อมูลทั้งแบบมีโครงสร้างและไม่มีโครงสร้าง
02 · ศูนย์กลางบูรณาการข้อมูล

ศูนย์กลางเดียว ช่องทางเชื่อมต่อภายนอก 3 แบบ

ศูนย์กลางให้บริการผ่าน API, SFTP และ SQL Endpoint กรมการแพทย์และฝ่ายอื่น ๆ เชื่อมต่อเครื่องมือ BI เพื่อวิเคราะห์ได้โดยตรง ข้อมูลบริหารงานการแพทย์ทุกรายการจึงเป็นฐานในการตัดสินใจเชิงนโยบายได้

  • คีย์เป็นหนึ่งเดียว เชื่อมข้ามตารางได้
  • ควบคุมการเข้าถึงอย่างสอดคล้องกันทุกช่องทาง
  • สถาปัตยกรรมพร้อมสำหรับ AI (AI-Ready) เป็นรากฐานสำหรับการอนุมานด้วย AI
คอนโซลช่องทางเชื่อมต่อภายนอก (ตัวอย่าง)
สิทธิ์ตามบทบาท
APIเชื่อมต่ออยู่
GET /v1/practitioners?region=north&specialty=PED
200 OK · FHIR JSON
SFTPส่งออกทุกวัน 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;
ตัวอย่าง BI: จำนวนแพทย์ประจำตามภูมิภาค (ตัวอย่าง)
เหนือกลางใต้ตะวันออกเกาะ
กรมการแพทย์เต็มสิทธิ์ฝ่ายต่าง ๆดูเชิงวิเคราะห์หน่วยงานภายนอกเฉพาะข้อมูลที่ลบตัวตนแล้ว
03 · ศูนย์ความรู้ RAG

คำตอบของ AI ตรวจสอบกับข้อมูลได้

เราสร้างศูนย์ความรู้ RAG บนศูนย์กลางบูรณาการ โดยใช้ข้อมูลบริหารสาธารณสุขแบบมีโครงสร้างเป็นหลักยึดความรู้ของ AI ทำให้ AI ไม่ได้แค่ "พูดเก่ง" แต่เข้าใจบริบทของงานสาธารณสุข ดึงข้อมูลล่าสุดได้ทันที และช่วยตีความนโยบาย

  • ทุกคำตอบย้อนกลับไปถึงแหล่งข้อมูลได้
  • ดึงข้อมูลล่าสุดจากศูนย์กลางได้ทันที
  • ช่วยตีความ แต่เจ้าหน้าที่ยังเป็นผู้ตัดสินใจ
ศูนย์ความรู้ RAG (ตัวอย่าง)
ตัวอย่าง
จำนวนแพทย์ประจำในแต่ละเมือง/เทศมณฑลเปลี่ยนไปอย่างไรในช่วงสามปีที่ผ่านมา?
คำตอบจาก AI

ในช่วงสามปีที่ผ่านมา จำนวนแพทย์ประจำโดยรวมมีแนวโน้มเพิ่มขึ้น โดยเฉพาะภาคเหนือและภาคกลาง ส่วนภาคตะวันออกและพื้นที่เกาะแทบไม่เปลี่ยนแปลงและยังขาดบุคลากร จึงควรพิจารณาในระยะถัดไป

เมือง/เทศมณฑล2023→2025แนวโน้ม
ไทเปเพิ่มขึ้น
ไถจงเพิ่มขึ้น
เกาสงคงที่
ฮัวเหลียนคงที่
แหล่งข้อมูล (ตัวอย่าง)
1ทะเบียนแพทย์ประจำเด็กเล็กอัปเดต 2026-11-01
2ทะเบียนการประกอบวิชาชีพบุคลากรการแพทย์อัปเดต 2026-11-01
ทุกคำตอบย้อนกลับไปถึงแหล่งข้อมูลได้ · เจ้าหน้าที่เป็นผู้ตัดสินใจ
04 · ความเป็นส่วนตัวและความปลอดภัย

ปกป้องความเป็นส่วนตัวตั้งแต่การออกแบบสถาปัตยกรรม

ภายในศูนย์ข้อมูลเฉพาะของกระทรวงสาธารณสุขและสวัสดิการ เรานำวงจรการพัฒนาซอฟต์แวร์อย่างปลอดภัย (SSDLC) มาใช้ ทุกขั้นตอนตั้งแต่ความต้องการ การออกแบบ การพัฒนา จนถึงการใช้งานจริง ผ่านการตรวจสอบความปลอดภัย

  • ข้อมูลการแพทย์ที่อ่อนไหวทั้งหมดถูกลบข้อมูลระบุตัวตนก่อนประมวลผล
  • แยก VM และเซิร์ฟเวอร์ SQL ออกจากกัน
  • ใช้หลัก Zero Trust ปกป้องข้อมูลส่วนบุคคลของประชาชน
การลบข้อมูลระบุตัวตน (ตัวอย่าง)
ตัวอย่าง
ก่อนหลัง
เลขประจำตัวประชาชนA12•••••89PID-7F3A2Cแปลงเป็นรหัส
ชื่อสม*** ใจ******ปิดบัง
วันเกิด1987-03-141985–1989แปลงเป็นช่วง
สาขาที่ปฏิบัติงานกุมารเวชกรรมกุมารเวชกรรมคงไว้
พื้นที่ปฏิบัติงานไทเปไทเปคงไว้
ข้อมูลดิบประมวลผลเฉพาะในศูนย์ข้อมูลเฉพาะเท่านั้น และถูกปิดบังบนหน้าจอ
ศูนย์ข้อมูลเฉพาะของ MOHWแยก VMแยกเซิร์ฟเวอร์ SQL
ตรวจสอบความปลอดภัย SSDLCความต้องการออกแบบพัฒนาใช้งานจริง
ผลลัพธ์

ข้อมูลสาธารณสุข ดูข้ามระบบร่วมกันได้เป็นครั้งแรก

ด้านผลลัพธ์
บูรณาการข้อมูลเชื่อมระบบหลักหลายสิบระบบ เช่น การบริหารงานการแพทย์ แพทย์ประจำเด็กเล็ก และการประเมินรับรองโรงพยาบาล
เชื่อมข้อมูลภายนอกประชากร ประกันสุขภาพ การดูแลระยะยาว และสถิติการเสียชีวิต ดูร่วมกับข้อมูลสาธารณสุขได้
การวิเคราะห์ให้บริการ API, SFTP และ SQL Endpoint ทุกฝ่ายวิเคราะห์ด้วย BI ได้โดยตรง
สัญญาตรวจรับและปิดโครงการปี 2024 ต่อสัญญาปี 2026 และยังดำเนินโครงการเพิ่มประสิทธิภาพการบริหารบุคลากรการแพทย์และส่งเสริมการใช้งานดิจิทัลปี 2025–2026
โครงการภาครัฐอื่น ๆ
ติดต่อเรา

เริ่มทรานส์ฟอร์มธุรกิจด้วย AI ได้เลยวันนี้

พวกเขาเลือก OakMega