醫療機構在處理病患照護與營運管理時，面臨的最大挑戰之一是資訊碎片化。病患的臨床背景、最新的醫學實證、官方公共衛生數據以及組織內部的管理知識，通常分散在不同的系統中。對於臨床醫師而言，在診察前必須翻閱大量的就診紀錄、實驗室報告與專科醫師建議，這種數據合成的過程極其耗時，且容易導致關鍵資訊被遺漏。為了縮短數據處理時間並將重心回歸到病患本身，OpenAI 推出了針對醫療機構的 ChatGPT 整合方案，旨在將電子健康紀錄（EHR）與權威醫療數據源直接對接。
背景與核心整合方案
根據 OpenAI 官方公布的資訊，ChatGPT for Healthcare 現在可以與 Epic 系統進行深度整合。Epic 是全球領先的電子健康紀錄（EHR, Electronic Health Record）系統，負責儲存病患的完整醫療歷史、處方紀錄與檢驗結果。透過此次整合，臨床團隊不再需要手動在多個分頁或文件之間搜尋，而是可以直接透過自然語言詢問 AI 關於病患的狀態。例如，醫師可以詢問自上次就診以來病患有哪些變化、哪些最新的實驗室結果需要優先審查，或是是否有新的專科建議與未解決的轉診問題。
這種整合提供了兩種互補的運作模式。第一種是將 EHR 脈絡引入 ChatGPT，讓醫療人員在 AI 介面中審視病患歷史並準備診間準備工作；第二種則是將 ChatGPT 直接嵌入 EHR 的工作流程界面中，使醫師無需離開病患圖表即可獲得 AI 輔助，實現無縫的臨床工作流。
擴展至權威公共醫療數據源
除了私人病患紀錄，醫療團隊還需要依賴即時的醫學研究與官方藥物資訊。為此，OpenAI 推出了醫療公共數據插件（Healthcare Public Data plugin），該插件建立了九個官方醫療數據源的專用連接器，包含 PubMed（全球最大的生物醫學文獻資料庫）、DailyMed（提供藥物標籤與處方資訊的官方數據庫）、ClinicalTrials.gov（臨床試驗登記庫）、CMS Coverage（美國醫療保險中心給付範圍）以及 RxNorm（標準化藥物名稱系統）。
這項功能的實務意義在於將搜尋過程從單一的關鍵字檢索轉向結構化的數據分析。研究團隊可以快速比對不同臨床試驗的入選標準，藥劑師能即時確認藥物的最新標籤警告，而人口健康管理團隊則能將醫學研究、活躍試驗與保險給付政策整合在同一個視圖中，用以評估糖尿病預防等公共衛生計畫的可行性。
安全性驗證與臨床可靠性
醫療 AI 的核心在於準確性與安全性。OpenAI 透過與全球 60 個國家、26 個醫療專科的數百名醫師合作，對模型進行了大規模的評估。這些醫師審閱了超過 70 萬則模型回應，以定義並改善 ChatGPT 在醫療情境下的表現。
針對 EHR 整合功能的具體測試中，醫師針對 27 個臨床使用場景（如就診前審查、臨床時間軸分析、藥物審查與交接摘要）進行了 4,363 次評分，結果顯示 99.1% 的回應被評定為安全。此外，在針對大型美國醫療數據集的兩輪評估中，五個連接數據源的準確度評分均在 93% 以上達到良好或更高水準。這證明了 AI 在提取相關資訊、引用支持證據以及準備臨床初稿方面的可靠性。
治理工作區與實務限制
為了符合醫療產業嚴格的法規要求，這些功能被封裝在一個受治理的工作區（Governed Workspace）中。該環境提供角色權限管理、單一登入（SSO）以及稽核日誌等企業級控制措施。在簽署商業夥伴協議（BAA）的前提下，醫療機構可以使用 ChatGPT Work 與 Codex（用於開發醫療軟體的程式碼工具），以支持符合 HIPAA（美國醫療保險可攜性與責任法案，旨在保護病患隱私與數據安全）的合規工作流。
然而，這項技術的應用仍有明確的限制。目前的 EHR 整合功能僅提供給醫療機構組織，不開放給個人帳戶。雖然 AI 能大幅提升數據合成的速度，但其定位仍是輔助工具，所有的 AI 生成內容最終必須由經過授權的醫療專業人員審查並確認。
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。