本院此次參與 Smart on FHIR 競賽，聚焦解決中小型醫療機構在 AI 影像應用上的實務困境。許多醫院僅有單套 PACS，甚至基層診所未建置 PACS，導致 AI 影像與判讀結果難以有效呈現與整合。 為此，我們設計一套結合 Smart on FHIR 與 Blazor WebAssembly（.NET 8）的輕量化架構，透過瀏覽器即可安全顯示 AI 影像，並以 FHIR DiagnosticReport 資源呈現結構化判讀報告，不依賴既有 PACS 環境。 本平台運用 Smart on FHIR 的標準化授權與資料存取機制，兼顧安全性與擴充性，適合作為小型醫院與診所的 AI 影
本應用程式「臺大醫院 AI 影像判讀結果整合平台」專為弭平醫學中心與基層診所間的數位落差，並解決跨機構影像判讀與數據整合需求設計，依據 FHIR 標準架構分為四大核心資料模組： 1. AI 影像判讀與報告 (AI Analysis Report) 此為本系統核心功能，對應 FHIR DiagnosticReport 與 Media 資源。系統能讀取 LOINC 代碼（如眼底鏡檢查）及AI影像報告，除呈現高解析度原始影像 (Media) 外，更將 AI 模型的判讀結論（如病變分級、風險指數）整合於 DiagnosticReport 的結論欄位中。醫師無需切換系統，即可在單一介面檢視影像與 AI 輔助建議，大幅提升判讀效率。 2. 臨床數據總覽 (Clinical Data Overview) 為提供 AI 判讀所需的臨床脈絡，系統整合了以下關鍵資料集，讓醫師更容易判斷病情是否與其他疾病有關： 生命徵象 (Observation)：呈現病患近期的生理量測數據（如血壓、血糖）。 診斷紀錄 (Condition)：條列病患的現有疾病與過去病史，協助判斷共病風險。 用藥清單 (MedicationRequest)：整合跨科別用藥紀錄，提供完整的處方視野，避免藥物交互作用。 3. 智慧摘要 (AI Summary) 系統利用 LLM 技術讀取上述 FHIR 結構化資料，自動生成臨床摘要，輔助醫師快速決策。透過語意分析技術，能將繁雜的數據轉化為簡明扼要的文字說明，降低醫師閱讀大量原始資料的認知負擔。 4. 資安稽核 (Security Audit) 為嚴格符合負責任 AI 與資安規範，系統設有 AuditEvent 寫入機制。針對每一次的資料讀取 (Read)，系統皆自動記錄時間戳記與來源 IP，確保所有醫療行為皆有軌跡可追溯，符合醫院評鑑與個資法要求。 App Demo URL: https://ntuh-melandz.github.io/launch
