【衛生福利部《LOINC臺灣大會2025國際研討會暨工作坊》系列文章 5】 

LOINC臨床應用觀點

臺灣臨床病理暨檢驗醫學會 闕宗熙醫師

檢驗報告標準化的迫切性與現行問題

闕醫師強調，臺灣現行的檢驗報告因缺乏標準化而引發諸多問題。他以幼稚園藥物篩檢事件為例，說明了不標準化的檢驗報告（如將藥物篩檢誤稱藥物濃度、定性報告卻帶有數字且無單位）如何導致嚴重的誤解與社會風波，甚至影響健保碼的正確連結。因此「車同軌」、「書同文」的標準一致性非常重要。

圖一、臺灣臨床病理暨檢驗醫學會 / 林口長庚醫院檢驗醫學部 闕宗熙 教授/主任醫師－LOINC臨床應用觀點

此外，現行的「健保快易通」雖方便，卻無法提供累積型報告，原因在於各醫院檢驗平台方法不一，且傳統檢驗報告常未包含檢驗方法資訊，這導致資料庫難以進行有效的整合與分析，也無法準確評估資料的正確性與奇異度。衛生主管機關不樂見此種混亂，期盼可以透過標準化來實現資料溝通。

LOINC六軸向的延伸建議：增列結果格式化軸

闕醫師指出，資訊學會提出的LOINC六個軸向對於定義檢驗碼已相當清楚，但他個人認為應再增加一個軸向：「檢驗結果的layout格式化」。這個新增軸向將規範數字的呈現方式，以及定性報告中多樣詞彙的統一，例如「陽性」可能被稱為「pos」、「陽性」或「reactive」。他強調，這些細節若能統一規範，將有助於健保資料庫的優化，未來便可更有效地產生累積性報告。

圖二、LOINC代碼由 6 個軸向組合

LOINC推動策略與國際經驗借鏡

為減輕各醫療院所推動LOINC的負擔，闕醫師認同從廠商源頭端（Top-down）預先訂好LOINC碼的策略，並輔以處理零碎或未建置碼的項目，如此可大幅降低醫院資訊部門和實驗室的壓力，避免事倍功半。他同時借鏡國外經驗，提及Mayo Clinic等大型實驗室將檢驗碼分為Oder-Log和Result-Log。Oder-Log主要對應健保碼，可代表單一檢驗或一個Panel；Result-Log則用於呈現詳細的檢驗結果，即便不直接對應健保費用，也能提供如定性檢驗的SCO值等臨床所需的數據，有助於提供更全面的檢驗資訊。

圖三、AST 檢驗代碼對照示例：CPT、院內碼與 LOINC 的映射

LOINC標準化的潛在效益與未來挑戰

闕醫師強調，檢驗資料標準化不僅是為了溝通、交換，更旨在實現資料的「治理」。LOINC的導入將使實驗室從業人員的工作更加理智化，有機會優化健保快易通，提供累積型報告，並可減少誤解與健保資源的浪費。然而，未來的挑戰在於，即使是同一廠商、同一儀器的檢驗數據，仍可能存在數值上的差異，如何讓跨平台資料達成「共通化」，提高溝通機會，是一個重要課題。此外，如何就每種檢驗報告的整體結果（resulting）格式達成共識，並統一規範應發布哪些資訊，也是未來需要共同面對的挑戰。

圖四、LOINC 臨床推動總結與策略重點

LOINC 醫事檢驗應用觀點

臺灣醫事檢驗學會 曹國倩理事長

去年底剛上任臺灣醫事檢驗學會的曹國倩理事長，在林口長庚醫院服務近四十年，今日曹理事長從醫事檢驗的角度，就LOINC標準化議題與大家進行分享。為響應國家政策對LOINC標準化的推動，臺灣醫事檢驗學會也特別增設「人工智慧委員會」，並期待能與國家在此領域有更多合作機會。

圖五、臺灣醫事檢驗學會/長庚紀念醫院行政中心醫檢部 曹國倩理事長/副執行長－LOINC醫事檢驗應用觀點

LOINC標準化的重要性與醫檢學會的承諾

首先，曹理事長表示：醫事檢驗的範疇極廣，涵蓋生化、血液、免疫分析乃至基因檢測等上千種項目。檢驗報告對臨床決策至關重要，高達70%的臨床決策依賴檢驗結果。因此，如何發出正確、易懂且可溝通的標準化檢驗報告，成為提升醫療品質的關鍵。LOINC編碼有助於避免報告誤解，如單位註解不清或資料呈現方式導致的臨床誤判。更重要的是，未來資料應能在院際間甚至國際間共享，以共同提升醫療品質。

圖六、LOINC導入對醫療品質的影響

LOINC在臺灣的導入歷程與挑戰

LOINC在臺灣的導入歷經數個階段，最早於2007年衛生署推動的標準化建置計畫，初期自動對比率僅71%，顯示仍需專家介入。防疫雲計畫的推動則是一個巨大的里程碑。為配合法定傳染病通報並爭取給付，醫院積極加入，成功節省62.5%作業時間，上傳成功率高達90%。這使得疫情分析報告得以提前一周呈現，大幅提升防疫效益。

此外，曹理事長也提到：整體推動也包含參與FHIR資料跨區示範計畫。然而，防疫雲的導入也面臨複雜性，因不同病原體對應不同檢體、設備及檢測方式（如PCR、快篩），導致LOINC資料需不斷修正。目前，長庚醫院已完成43種病原體、125個LOINC編碼的自動上傳。而在癌藥審查方面，特別是基因檢測（如NGS，可能涉及多達523個基因），其編碼複雜度更高，是我們目前面臨的另一大挑戰。

圖七、防疫雲推廣成效（2013–2015）：LOINC 標準應用於傳染病通報

醫檢領域推動LOINC的主要困境

更深入了解實際推動LOINC編碼的過程中，其實面臨多重困境，曹理事長表示人力與資訊知識的不足是重要影響因素之一：

1. 醫檢人員編碼知識嚴重不足：多數醫檢師對LOINC編碼知識嚴重缺乏，需仰賴資訊專業人員協助。

2. 檢驗方法與試劑的高度複雜與多樣性：因引進全球各地的優良試劑與儀器，導致檢驗方法和試劑種類繁多且複雜，各家醫院甚至院內不同科別可能採用不同方法，造成報告結果的差異性。

3. 編碼龐大、複雜且缺乏智慧化工具：LOINC編碼內容已達十萬多個，且龐大複雜，目前主要依賴人工逐一比對，極耗費人力與專業知識。缺乏一個有效且智慧化的編輯工具來完成LOINC編碼作業。

4. 多系統整合與報告格式問題：檢驗報告有時跨越多個LOINC碼，且在醫院內可能由不同系統（如檢查系統）產生，其格式化或結構化的內容表達方式不一，尤其是基因檢測報告常為文字化，增加了上傳比對的困難。

圖八、LOINC編碼挑戰：六軸向對應與實務困境

應對策略與未來期許

最後，曹國倩理事長就整體LOINC醫事檢驗運用方面，給予的總結建議以及面對種種挑戰之下，相信透過下面的策略與努力，能夠克服挑戰，加速臺灣檢驗資訊化的發展。

1. 強化檢驗標準檔的建置與維護：必須重新檢視並完善既有的檢驗標準檔，適度地將LOINC所需的資料帶入，以建立完整的LOINC系統。

2. 尋求儀器廠商的協助：目前主要的儀器廠商（如亞培、羅氏）已能提供相應的LOINC代碼，這是一個好的開始。然而仍需透過教育訓練，了解不同機型所產生的資料品質差異及內容更新。

3. 建置智慧化編碼工具：開發能夠自動化比對、編輯LOINC編碼的智慧工具刻不容緩。期待能集合各家醫院的需求，共同建置此工具。

4. 持續教育訓練與明確角色分工：醫檢師需提供專業的標準化內容需求，而編碼專業知識則需仰賴資訊人員的協助，兩者間需密切互動。持續的在職教育訓練對醫檢師和資訊人員都至關重要。

5. 推動自動化與橫向連結：未來LOINC的導入應朝向自動化作業邁進。此外，臺灣醫事檢驗學會希望能扮演協同角色，促進檢驗界、資訊團隊與國家政策團隊之間的橫向連結與合作，共同解決問題、加速LOINC的發展，以創造三贏局面。

Taiwan LOINC top 100

臺灣醫學資訊學會 林明錦 理事長

林明錦理事長現任為臺北市立萬芳醫院數據中心主任，主要專長人工智慧、醫學資訊、神經外科等。同時，也是世界醫學資訊大會(MedInfo)副總裁，負責籌辦今年(2025)甫結束的MedInfo 2025大會。

圖九、臺灣醫學資訊學會／台北醫學大學醫學資訊研究所 林明錦理事長－Taiwan LOINC top 100

林明錦理事長提到：自2006年擔任Stan Hart老師的助教以來，深感理解醫學專有名詞需反覆接觸，幸而臺灣在醫學資訊標準化方面獲得疾管署莊署長的大力支持，莊署長本人更是此領域的專家。而LOINC創始人Dr. Tony MacDonald更是曾經受邀來臺，擔任長庚醫學中心活動專題講師。自己也長期關注國際醫學資訊領域事務，像是LOINC委員會已決定將編碼更新頻率從一年兩次大幅加速，未來可能每幾週就有新版本，以解決標準碼更新不及的問題。

然而，對於AI是否能完全用於LOINC自動化對應，他認為目前仍尚無法實現。此外，他提到LOINC不僅用於檢驗項目，也可應用於生理訊號（BioSign）等其他臨床觀察。

LOINC委員會的重要更新與實作建議

針對LOINC實作上的常見困擾，林明錦理事長說明了委員會的幾項最新建議：

• 在檢驗結果報告方面，建議直接記錄「原始數據（roll data）」，而將「解釋（interpretation）」部分放在OBS區塊中，以解決對應困擾。
• 對於「方法（Methods）」的選擇，委員會建議多數情況下選擇「Methodless」，將方法資訊作為備註放在H07 OBS的Message中，以減少複雜性，但特定且關鍵的方法仍會列出。
• 而對於「系統（System，即檢體來源）」，在藥物篩檢（Drop Screening）和細菌篩檢（Bacteria Screening）這兩種情況下，建議使用「Postholium（XXX）」方式，將系統資訊放在其他Message部分，因為此時檢體來源的精確性不那麼關鍵。

圖十、LOINC Ontology：連結 LOINC 與 SNOMED CT 的互通解決方案

LOINC

圖十一、LOINC Method 軸向：檢驗與臨床方法的應用範例 (Lab vs Clinical 方法)

臺灣推動LOINC碼應用的策略與工具

林明錦理事長也強調LOINC與SNOMED CT之間的分工，LOINC負責「觀察」名稱，SNOMED CT則負責「報告數值」，且兩者資料可互相查詢。為簡化LOINC碼對應的複雜性，林明錦理事長提出一套實際可行的策略與工具。他指出，一家醫院的檢驗代碼多數集中在常用的前100-200項，約佔85-90%的檢驗量，因此應聚焦於常用碼的對應。他建議各醫療院所準備「本機碼（Logo Code）、關聯數值（Associate Value）與單位」的資料，進行敘述性統計分析，以了解各碼特性，並舉例鈉（Na）的檢驗數值在不同檢體來源有不同分布。

面對最困難的「尋找標準詞彙（Preferred Term）」，林明錦理事長介紹了利用AI（如ChatGPT）將口語化醫學名詞轉換為標準詞彙的方法。此外，透過運用LOINC資料庫中的「Common Order Rank」與「Common Test Rank」，可大幅縮小搜尋範圍至約3000個碼內。他還展示了一套輔助對應軟體，能自動化部分搜尋與分析，並利用AI提供對應理由，幫助使用者集中精力於精準確認。

圖十二、LOINC 搜尋工具： 輸入 → 篩選 → 快速找到偏好術語 (Preferred Term)

未來展望與大規模推動LOINC的願景

展望未來，林明錦理事長描繪了臺灣大規模推動LOINC碼應用的願景，建議開發一個開放API平台，讓各醫院上傳其檢驗資料，進行自動化分析與對應建議，並可能推出臺灣Top 100的LOINC碼供大家遵循。

同時，也與健保署討論，希望將來申報資料時，除現有申報碼外，也能一併上傳各院的本機碼，由健保署協助進行統一對應，或將既有申報碼還原為LOINC，以建立臺灣更龐大的研究資料庫。這不僅有助於資料管理，更能推動AI相關公司的發展，實現「健康存摺（My Health Bank）」的潛力，與賴總統的健康管理願景相符。最終目標是透過北、中、南舉辦實作工作坊，邀請專家助教協助，在短時間內完成70%的常用LOINC碼對應，實現臺灣醫學資料標準化。