行政繁瑣文書自動化已刻不容緩時
隨著醫療團隊面對愈來愈龐大的行政作業壓力，文書處理成為影響醫護品質的重要關鍵。根據美國醫師協會（American Medical Association, AMA）2020年調查顯示，臨床醫師每週平均花費16.6小時在電子病歷（Electronic Health Record, EHR）與行政作業上；而美國醫療資訊與管理系統協會（Healthcare Information and Management Systems Society, HIMSS）2021年的報告則估計，美國醫療體系每年在行政流程上浪費逾2,650億美元。面對高昂成本與效率瓶頸，醫療機構迫切需要自動化解決方案，才能將人力回歸到真正的照護工作。
與金融及物流業相比，醫療文件類型多元且多為非結構化，例如：掃描傳真、PDF、電子郵件等，包含病歷摘要、轉診單、事前授權（Prior Authorization）回覆等資訊。這些文件往往需人工辨識、比對、歸檔與輸入，耗時費力且易出錯。不僅影響病人就醫速度，也造成資源浪費與人員倦怠。於是，「直通式處理」（Straight Through Processing, STP）技術因應而生：透過人工智慧（Artificial Intelligence, AI）與光學字元辨識（Optical Character Recognition, OCR），將第一線「開啟」、「辨識」、「抽取」與「路由」等重複性任務自動化，不僅降低人為差錯，也縮短作業時程，幫助醫療團隊更專注於病人需求。
文書流程優化關鍵在STP專業化
STP在醫療場域的落地，首先要克服文件非結構化的挑戰。以轉診單（Referral Intake）為例，行為健康機構每天可收到數十至數百份傳真或電子轉診，若由人工開啟、核對欄位、手動輸入EHR，不僅耗時，更增加患者延誤就診的風險。Concord Technologies 副總裁 Kevin Hodak 指出，透過STP平台即可自動辨識文件類型、抽取病人姓名、出生日期，並進行關鍵字比對以識別所需照護服務，最後將資料預填至EHR系統，轉介團隊只需簡單審核即可派案。
另一大應用場景為事前授權回覆。根據AMA資料，一般醫師辦理一次授權需17分鐘，若經STP識別文件屬「批准（Approval）」或「拒絕（Denial）」，便能自動路由至對應人員或系統，省去人工分類與轉送的環節。財務效率大幅提升的同時，也可透過儀表板（Dashboard）追蹤來源機構、處理時長與瓶頸環節，為醫療單位提供精準的營運洞察。
技術上，STP系統倚賴自然語言處理（Natural Language Processing, NLP）和機器學習（Machine Learning, ML）模型，持續從人工校正中學習、調整預測參數（Confidence Scoring），當模型預測信心水準高於設定門檻，即可全自動處理；若低於門檻，則自動轉入人工審核，兼顧效率與安全。此外，最後一哩（Last Mile）整合更仰賴HL7或FHIR（Fast Healthcare Interoperability Resources）等標準，以及客製化API，將文件與結構化資料無縫導入EHR或其他核心系統。
階段式推動STP引領效益成倍增
針對多元規模的醫療機構，採取「分階段導入」策略最為可行。第一階段建議從最重複、人工成本最高的流程著手，例如轉診文件、授權回覆或放射線檢查單（MRI、CT、X光等）辨識與分流；第二階段再擴大至進階的進度報告、進度筆記（Progress Notes）等；第三階段則將焦點放在深度臨床資料抽取，用於照護協調與預測分析。根據Concord內部案例，小型物理治療診所應用雲端傳真＋STP後，手動步驟數從平均10步驟減少至2至3步驟，提效高達80％。
不過，導入STP仍伴隨風險：如模型初期信心水準不穩、跨系統API相容性不足，或法規與隱私保護（HIPAA／GDPR）等合規性要求。建議醫療機構事先建立監控機制，指派專責小組持續檢視錯誤率，並與供應商共同調校模型；同時，採用分段驗收（Pilot Test）策略，確保每一階段都能穩健上線。
未來，STP不僅限於行政自動化，更有望切入臨床文本結構化，如病歷摘要、診斷報告等，一旦深度整合至預先備註（Pre-charting）或臨床決策支援系統（Clinical Decision Support, CDS），將進一步改變整體照護模式。您認為貴機構下一步該如何制定STP落地策略？
