111 年 國立臺灣大學健康政策與管理研究所碩士班《醫務管理》

本題主要在探討影響醫院經營管理的三大關鍵要素：環境改變、全民健保及醫院評鑑。

影響醫院經營管理的環境改變趨勢：

1. 人口結構改變：
   • 高齡化社會： 台灣已進入高齡化社會，老年人口比例持續上升，對醫療服務的需求增加，特別是慢性病照護、長期照護、安寧療護等。醫院需要調整服務項目、增加相關科別、發展高齡友善醫療環境，並加強與長照體系的連結。
   • 少子化： 影響未來勞動力的來源，可能導致醫護人員短缺，醫院需思考如何吸引與留住人才，並導入自動化或智慧化科技來提升效率。
2. 健康意識提升與民眾需求多元化：
   • 民眾對健康更加重視，追求高品質、個人化、預防性的醫療服務。
   • 對醫療資訊的取得管道多元，民眾更能比較與選擇醫療機構。
   • 對醫療品質、服務態度、就醫便利性要求提高。
3. 科技發展與應用：
   • 數位化與智慧醫療： 遠距醫療、電子病歷、AI輔助診斷、大數據分析等技術的發展，改變了醫療服務的提供模式與效率，醫院需要投入資源進行數位轉型。
   • 精準醫療： 基因科技的進步，使得個人化精準治療成為可能，醫院需整合相關資源與技術。
4. 疾病型態改變：
   • 慢性病盛行： 慢性病（如心血管疾病、糖尿病、癌症）的比例居高不下，需要長期且整合性的照護。
   • 新興傳染病： 如 COVID-19 的出現，對醫院的應變能力、感染控制、資源調度、遠距醫療應用等都帶來嚴峻挑戰。
5. 醫療市場競爭加劇：
   • 醫學中心、區域醫院、地區醫院之間的競爭，以及與其他醫療服務提供者（如診所、長照機構）的合作與競爭。
   • 新興醫療服務模式（如醫美、健檢）的發展。

全民健保對醫院經營管理的影響：

1. 支付制度與財務壓力：
   • 健保給付標準影響醫院的收入，尤其是在論量計價的制度下，醫院常面臨給付不足或點值下降的問題，增加財務壓力。

本題探討在醫療資源分布不均及新興醫院競爭下，醫院主管應如何進行策略與品質管理。

醫院主管應如何因應與準備：

1. 市場分析與定位：
   • 競爭者分析： 深入了解新進入或現有的競爭者，分析其優勢、劣勢、服務項目、價格策略、目標客群等。
   • 區域需求評估： 評估所在地區的醫療需求缺口、人口結構、疾病盛行率、民眾就醫習慣等。
   • 差異化策略： 根據市場分析，找到醫院的獨特優勢，發展特色醫療、差異化服務，避免陷入價格或服務的紅海競爭。例如，發展特定專科（如心臟科、腫瘤科）、提供高階健檢、發展智慧醫療、強調病人體驗等。
2. 策略規劃與資源配置：
   • 發展策略： 確定醫院的長期發展方向，是專注於某領域的頂尖醫療，還是提供全方位的社區醫療服務。
   • 資源整合： 有效配置人力、物力、財力資源，投入關鍵領域，例如引進頂尖人才、購置先進設備、建立資訊系統。
   • 合作與聯盟： 考慮與其他醫療機構（如診所、地區醫院、醫學中心）、長照機構、學術單位建立策略聯盟，擴大服務範圍或提升服務品質。
3. 品質管理與病人安全：
   • 建立品質文化： 營造全院重視品質與病人安全的文化，鼓勵員工參與品質改善活動。
   • 導入品質管理工具： 運用如 PDCA 循環、六標準差 (Six Sigma)、精實醫療 (Lean Healthcare) 等方法，持續監測與改善醫療流程。
   • 病人安全系統： 建立完善的事件通報系統、風險管理機制，分析事件原因並採取預防措施，確保病人安全。
   • 提升病人體驗： 除了醫療品質，也要關注病患在就醫過程中的整體體驗，包括服務態度、就醫環境、溝通效率等。
4. 人才招募與培育：
   • 吸引人才： 建立具競爭力的薪資福利制度、良好的工作環境與職涯發展機會，吸引優秀的醫護及管理人才。
   • 留住人才： 關注員工的職業倦怠問題，提供培訓與進修機會，建立良好的內部溝通與激勵機制。
   • 培育關鍵人才： 培養具備領導力、創新思維及專業能力的管理人才與臨床專家。
5. 成本控制與營運效率：
   • 精實管理： 檢視各項醫療流程，消除浪費，提升效率。
   • 成本效益分析： 在引進新技術、設備或服務時，進行審慎的成本效益評估。
   • 善用科技： 導入資訊系統、自動化設備，提高營運效率並降低人為錯誤。
6. 社區連結與社會責任：
   • 加強與社區的連結，提供符合社區需求的預防保健、健康講座等服務。

本題探討健康照護支付制度，包含支付基準、台灣健保的支付類型、所面臨的問題，以及如何改善。

一、 健康照護支付制度的支付基準 (Unit/Type)：

支付基準是指在支付醫療費用時，用來衡量醫療服務價值或量的方法。常見的支付基準可分為以下幾類：

1. 按服務項目計價 (Fee-for-Service, FFS)：
   • 定義： 根據提供的每一項醫療服務（如診察費、檢查費、藥費、手術費）分別計價。
   • 基準： 單項服務的價格（如每次門診診察費為 $X$ 元）。
   • 特色： 服務量越大，收入越高。
2. 按人頭計價 (Capitation)：
   • 定義： 根據被照護的病人數量（人頭）支付固定費用，無論病人接受多少服務。
   • 基準： 每位病人每段時間（如每月、每年）的固定費用。
   • 特色： 鼓勵醫療提供者預防疾病、控制成本，避免過度醫療。
3. 按診斷相關群組計價 (Diagnosis-Related Groups, DRGs)：
   • 定義： 根據病人的診斷、年齡、性別、合併症、手術等因素，將病人分入不同的「診斷相關群組」，每個群組給予固定支付金額。
   • 基準： 每個 DRG 群組的固定支付金額。
   • 特色： 鼓勵醫院提升效率、縮短住院天數、控制住院成本。
4. 總額支付制度 (Global Budget)：
   • 定義： 針對某個特定醫療服務範圍（如醫院總額、牙醫總額、中醫總額），設定一個總支付上限。
   • 基準： 該範圍內所有醫療服務的總支付上限。
   • 特色： 控制整體醫療費用的成長，但可能面臨點值下降、服務量受限等問題。
5. 按績效/品質計價 (Pay-for-Performance, P4P)：
   • 定義： 部分或全部支付金額與醫療服務的品質、病患安全、病患滿意度、健康結果等績效指標掛鉤。
   • 基準： 根據達成的績效指標給予獎勵或扣款。
   • 特色： 鼓勵醫療提供者提升醫療品質與效率。
6. 包裹式支付 (Bundled Payments)：
   • 定義： 針對某一特定病程或治療過程（如一次特定手術及其後續的復健照護）支付一個總價。
   • 基準： 整個病程的固定總價。
   • 特色： 鼓勵跨專業團隊的協調合作，提升照護的連續性與效率。

二、 台灣全民健康保險目前採用的支付類型/基準與產生之問題：

台灣健保採行「多元支付制度」，主要包含以下幾種：

1. 論量計價 (Fee-for-Service, FFS)：

   • 應用： 仍是基礎支付方式，用於門診、部分住院、藥品、醫材、檢查等。
   • 問題：
     • 誘發過度醫療： 醫療提供者可能因服務量增加而收入增加，傾向提供不必要或過多的檢查、藥品、治療，增加醫療費用支出。
     • 輕忽預防保健與效率： 較難鼓勵醫療提供者關注預防保健、縮短就醫時間或提升效率，因為收入與服務量直接掛鉤。
     • 點值波動： 在總額制度下，若總支出超過預算，則各項服務的「點值」（支付單位價值）會下降，影響醫療機構的實際收入。

2. 診斷關聯群 (DRGs)：

   • 應用： 主要用於住院病人的醫療費用支付，已擴大實施至多家醫院。
   • 問題：
     • 「剃骨抽髓」或「塞入」現象： 醫院可能為了提高利潤，而有縮短住院天數、減少必要檢查或藥品使用，甚至將不符合 DRG 條件的病人排除在外的傾向。
     • 對複雜病例或特殊病患的不公平： 某些複雜、預後不良的病人，其實際醫療成本可能遠高於 DRG 所支付的金額，對醫院造成虧損。
     • 標準化限制彈性： DRG 分組標準化，可能無法完全反映個別病患的特殊情況，限制了臨床決策的彈性。
     • 行政負擔： 醫院需投入大量人力與資源進行 DRG 分組、申報與管理。

3. 總額支付制度 (Global Budget)：

   • 應用： 針對醫院、西醫基層、牙醫、中醫等不同體系，設定年度總預算上限，並區分為不同層級（醫學中心、區域醫院、地區醫院、診所）進行分配。
   • 問題：

本題要求從多個面向中選擇三個關鍵層面，探討大型醫院導入 AI 時可能遇到的困難與解決辦法。這裡我們選擇「法律」、「倫理」與「醫療品質」作為討論的關鍵層面，因為這三者直接關係到 AI 在醫療領域應用的合規性、道德性及成效。

選擇的關鍵層面：

1. 法律 (Legal) 面向
2. 倫理 (Ethical) 面向
3. 醫療品質 (Quality of Care) 面向

---

一、 法律 (Legal) 面向

可能遇到的困難：

1. 數據隱私與保護 (Data Privacy and Protection)：
   • 困難： 醫療 AI 的訓練與運行需要大量的病患數據，這些數據高度敏感。如何確保數據的收集、儲存、使用、分享符合《個人資料保護法》等相關法規，避免個資外洩或被濫用，是一個重大挑戰。例如，數據的匿名化處理是否足夠？共享數據的範圍與目的如何界定？
2. 責任歸屬 (Liability)：
   • 困難： 當 AI 診斷錯誤、提供不當建議，導致病患受到損害時，責任應由誰承擔？是 AI 開發者、醫療機構、操作醫師，還是 AI 本身？現行法律體系對於 AI 的法律主體地位尚不明確，難以釐清責任歸屬。
3. 法規適應性與監管 (Regulatory Adaptation and Oversight)：
   • 困難： AI 技術發展快速，現有的醫療法規可能無法即時涵蓋 AI 的應用。醫療器材的審查標準、AI 醫療軟體的認證流程、以及持續的監管機制，都需要更新與建立。例如，AI 的「自我學習」能力可能導致其行為隨時間改變，這對傳統的產品審查模式構成挑戰。
4. 智慧財產權 (Intellectual Property Rights)：
   • 困難： AI 模型、演算法及訓練數據的智慧財產權保護問題。如何界定 AI 產生內容的歸屬？合作開發的 AI 專利權如何分配？

可能的解決辦法：

1. 強化數據治理與安全措施：
   • 建立嚴格的數據收集、使用、儲存、銷毀流程，並進行定期的安全審核與風險評估。
   • 採用先進的加密技術、差分隱私 (Differential Privacy) 等技術，最大程度保護數據隱私。
   • 確保所有數據使用均取得病患的知情同意，並明確告知使用目的。
2. 建立 AI 醫療應用的法律框架與責任分擔機制：
   • 制定專法或修訂現有法規： 針對醫療 AI 的特殊性，制定專門的法律規範，明確 AI 的法律地位、責任歸屬原則（如「嚴格責任」或「過失責任」的適用）。
   • 建立「AI 醫療安全網」： 鼓勵醫療機構與 AI 供應商購買相關保險，並透過保險機制來分攤風險。
   • 明確的臨床使用指引： 制定清晰的 AI 輔助診斷/治療指引，規範醫師如何運用 AI 工具，並強調醫師的最終判斷權。
3. 建立適應性監管與認證機制：
   • 「軟體即醫療器材」(Software as a Medical Device, SaMD) 的監管框架： 參考國際標準（如 FDA 的監管模式），建立針對 AI 醫療軟體的分類、審查、上市後監管機制。
   • 持續監測與再認證： 對於具備學習能力的 AI，應建立持續監測系統，並在重大更新後進行再認證。
   • 設立專責監管機構或部門： 專門負責 AI 醫療應用的審查與監管。
4. 明確智慧財產權約定：
   • 在產學合作或與廠商合作時，簽訂詳細的智慧財產權歸屬與授權協議。

---

二、 倫理 (Ethical) 面向

可能遇到的困難：

1. 演算法偏見 (Algorithmic Bias)：
   • 困難： AI 模型是基於訓練數據學習的。如果訓練數據存在偏差（例如，數據主要來自特定族群、性別、社會經濟地位的人群），AI 模型就可能對其他群體產生不公平或錯誤的判斷，加劇健康不平等。
2. 演算法的「黑箱」問題 (Black Box Problem)：
   • 困難： 許多深度學習模型運作複雜，其決策過程難以被人類理解（即「黑箱」）。這使得醫師難以完全信任 AI 的建議，也難以向病患解釋 AI 的診斷依據，影響醫病溝通與信任。
3. 醫師角色與自主性 (Physician's Role and Autonomy)：
   • 困難： AI 的應用可能改變醫師的角色。過度依賴 AI 可能導致醫師臨床判斷能力的退化。同時，如何平衡 AI 的建議與醫師的臨床經驗及專業判斷，是一個挑戰。
4. 知情同意 (Informed Consent)：
   • 困難： 病患是否充分理解 AI 在其照護中的角色、潛在風險（如偏見、錯誤），以及 AI 決策過程的局限性？如何取得真正意義上的知情同意？
5. 醫療資源分配的倫理問題：
   • 困難： 高昂的 AI 醫療技術導入成本，可能加劇醫療資源分配的不均，使經濟弱勢者難以獲得 AI 輔助的優質醫療。

可能的解決辦法：

1. 解決演算法偏見：
   • 多元化且代表性的訓練數據： 確保訓練數據能夠代表不同族群、性別、年齡、社會經濟背景的受試者。
   • 開發與應用偏見檢測與減緩工具： 在模型開發和部署過程中，主動檢測和修復數據或模型中的偏見。
   • 持續監測與回饋： 部署後，持續監測 AI 的表現，並建立機制收集因偏見導致的負面反饋，用於模型優化。
2. 增加演算法的透明度與可解釋性 (Explainable AI, XAI)：

本題考查COVID-19疫情期間，台灣實施的通訊診療政策，要求分析其推行理由及一般民眾在第二階段實施時可能面臨的障礙。

一、 該項政策在此二階段（109年2月、110年5月）提供通訊診療的理由：

1. 第一階段（109年2月中旬起，針對居家隔離、檢疫、自主健康管理者）：

• 核心理由：阻斷病毒傳播，保護高風險群體。
  • 避免醫療院所群聚感染： 居家隔離/檢疫/自主管理者若有就醫需求，直接前往醫療院所可能增加院內感染風險，影響其他病患與醫護人員。通訊診療可以避免病患進入實體醫療場域，降低群聚感染的可能。
  • 確保隔離/檢疫者的醫療可近性： 即使處於隔離/檢疫狀態，這些對象仍有就醫需求（如慢性病用藥、輕微不適）。通訊診療提供了一種安全、便捷的醫療取得管道，確保其醫療權益不受影響。
  • 落實防疫政策： 配合政府的隔離與檢疫政策，提供安全的醫療選項，是維持整體防疫體系運作的重要一環。

2. 第二階段（110年5月15日起，對象放寬至一般門診病人）：

• 核心理由：在疫情嚴峻時期，維持醫療服務的持續性與可近性，同時降低醫療量能壓力。
  • 舒緩醫療量能壓力： 隨著疫情升溫，急重症患者增加，醫療量能面臨嚴峻挑戰。通訊診療可以將部分非急迫性、可透過遠距處理的門診量分流出去，讓實體醫療資源能更專注於應對 COVID-19 病患及急重症。
  • 降低民眾就醫時的感染風險： 在疫情流行期間，一般民眾若非必要，不建議前往人潮聚集的醫療院所。通訊診療提供了一個更安全的就醫選項，減少病患暴露於感染風險的機會。
  • 提高醫療服務的可近性與便利性： 疫情可能造成部分地區交通不便或民眾出門意願降低。通訊診療打破時空限制，讓民眾在家即可獲得醫療服務，提升醫療的可近性與便利性。
  • 鼓勵慢性病連續處方箋的取得： 疫情期間，慢性病患者穩定用藥很重要。通訊診療方便其取得連續處方箋及藥物，確保治療的連續性。

---

二、 一般民眾在第二階段（110年5月15日）欲採用視訊診療時，可能面臨的障礙（逐項分析，每項一個不利因素）：

以下針對流程中的五個步驟，分析一般民眾可能面臨的不利因素：

(1) 查詢「視訊診療指定院所」：

• 不利因素：資訊不夠集中或難以搜尋。
  • 說明： 雖然流程提到可透過健保署網站查詢，但對於不熟悉網路操作、或網站資訊更新不及時的民眾來說，可能難以快速準確地找到適合自己的、或住家附近的指定院所。資訊搜尋的門檻較高，或網頁設計不夠直觀。