健保檢查費用逐年升高，從健保大數據分析，在各項檢驗檢查醫療費用最高的項目為電腦斷層（CT），並以頭部為最常執行的檢查部位，約占CT檢查次數的4成，但檢查結果發現與疾病無直接相關的異常，健保署署長李伯璋表示，可能因疾病排除或治療後追踪的檢查所致，但也有可能是不必要的檢查。
「全球已開發國家平均一人一年看病5-6次，但台灣卻高達13次！」李伯璋提到，在電腦斷層（CT）、磁振造影（MRI）檢驗檢查的部分，尤其在大醫院，約有2成病人是做了檢查卻沒有回來看報告的。
該如何解決這樣的問題？
AI判讀健保14萬筆資料僅需10小時
健保署表示，全民健保自開辦以來，即收載全國性醫療費用申報數值型結構化資料，其中每年門診申報達3.6億件，住診也有344萬件，並自103年起鼓勵特約醫療機構上傳檢驗與檢查等非結構化文字型報告，截至108年7月，已累計收載檢驗檢查報告24.7億筆，資料量非常龐大。
為因應大量的醫療申報資料，最近健保署運用人工智慧AI科技，自行成功開發自然語言處理（Natural Language Processing, NLP）模型，透過電腦針對放射診斷（例如電腦斷層）的檢查報告進行自動化判讀，協助審查作業更加精準及有效率，並透過資訊回饋與醫界共同合作，減少不必要的檢查。
健保署醫審及藥材組視察賴秋伶表示，「為使健保醫療費用審查作業更為精準並提高效率，也能減輕3,500位審查醫藥專家每年約需完成260萬件專業審查案件的負擔，運用檢查報告資料，能更全面評估檢查的必要性，精準篩選執行量異常的醫院或醫師，再經由專業審查以合理給付醫療支出，增加審查效率。」而大量檢查報告資料則需運用AI技術，才能整理成為可運用的資訊。
健保署初步運用建置NLP模型，分析14萬筆資料需10小時（平均每筆0.25秒），而專家判讀則需13個月完成（平均每筆4分鐘），估算需960位專家同時判讀可與NLP模型作業時間相當，開發AI智慧審查工具有其必要性，未來將逐步擴增開發胸、腹部影像檢查報告。
正確率達99%！健保署長：盼醫病珍惜健保資源
賴秋伶指出，從健保大數據分析，在各項檢驗檢查醫療費用最高的項目為電腦斷層（CT），並以頭部為最常執行的檢查部位，約占CT檢查次數的40%，「健保署因此優先將AI科技運用於放射診斷檢查報告分析，以自行開發頭部CT檢查報告NLP模型，訓練機器學習專家標註及判讀的結果。」她進一步描述，選取107年第2季醫院上傳CT頭部檢查報告1,000筆為模型資料，由電腦進行檢查報告病灶標註及報告分類的任務，「結果顯示，NLP機器學習分析模型分析的結果與專家判讀結果比較，正確率達99%！」
依據健保大數據分析，108年（1-6月）全台各特約醫院門診（不含急診）執行CT及MRI檢查，約有2.3萬件（占率3%）主次診斷都屬於初級照護（如頭痛、關節炎、咳嗽等），健保署將把執行量異常的報表回饋院所醫師，與醫界共同合作，減少不必要的檢查與浪費，也會運用自行開發的NLP模型進行輔助分析。
李伯璋表示，開發AI智慧作為醫療申報的審查工具已是時勢所趨，「有些醫師也會質疑，檢查不做怎麼知道病人有沒有問題？但因為這些檢查，病人都沒有部分負擔，所以也希望大家一起珍惜健保資源。醫病間的關係還是要由醫師這邊在檢查、溝通與經驗做一個好的拿捏。」
李伯璋提到，目前開源並不是主要的工作，希望朝向節流來管理。除了近年推動的雲端藥例、檢驗檢查影像共享機制外，也希望減少不必要的檢驗與開藥，並加強落實病人衛教觀念、讓民眾平常就懂得保健，漸少就醫看診次數，「未來健保署將持續應用大數據與AI科技輔助，希望讓病、醫、健保三方創造永續價值。」
