全民健保制度下，醫院疾病分類師須從醫師書寫的醫療紀錄依據國際疾病分類(ICD-10)進行編碼，向健保署申報醫療費用，此編碼過程常因醫師與疾病分類師共識落差而耗費時間、影響申報時效及醫院收入。若能透過AI導入，協助醫師與疾病分類師完成診斷編碼，提升作業效率，呈現照護個案的疾病嚴重度，以爭取合理的健保給付，為當前台灣醫療機構之重要課題。
本研究使用初級資料，包括醫院病歷及人員訪談為素材，蒐集個案醫院從2020年7月AI導入後、至2021年3月抽樣每月出院5%病例，共1,272例個案，整理AI推薦、醫師、疾病分類師之編碼、病例組合指標(CMI)、DRG A區佔率，評估AI導入是否能提升編碼一致率，完整呈現疾病嚴重度。 並依全院、內科系、外科系及其他科系進行差異檢定。
統計結果發現，AI導入對於編碼一致率有影響。從使用人員來看，AI與疾病分類師編碼一致率進步最顯著，醫師與疾病分類師則是進步緩慢；從科系來看，以外科系進步較顯著，內科系進步方向正確但緩慢。而在編碼一致率提升對於組織績效的統計結果發現，編碼一致率對病例組合指標(CMI)有顯著影響，但對於DRG A區佔率則無影響，推測係因受健保政策調整之故。人員訪談結果驗證科技接受模式及創新擴散理論，可知AI導入階段政策當由認知、說服、決定、試用、持續執行，方可讓AI輔助效能提升；並應改善系統操作介面之易用性與AI有用性，提高人員使用正向態度及意願。
本研究發現AI輔助編碼可讓同仁提升作業效率提升編碼完整性，可鼓舞個案醫院繼續推動AI，並致力系統改善、加強人員對系統之信心，並藉創新擴散說服更多人員接納，以加速提升組織績效。

Under the Universal Health Insurance Care System, hospitals are reimbursed by the Health Insurance Department through coding, initially assigned by physicians then verified by disease classifiers, based on the International Classification of Diseases (ICD-10). Should there be any coding discrepancy, the adjusting process will take time and jeopardize a hospital’s cash flow. Whether the process could be improved with the assistance of artificial intelligence (AI) has become a focal interest to most medical institutions in Taiwan.
Primary data, including medical records and personnel interviews, were utilized in the current study. AI has been introduced to the case hospital in July 2020. Five percent of discharged cases monthly between July 2020 and March 2021, 1,272 cases in total, were collected. The codes of each case assigned by the attending physician, suggested by AI, and verified by disease classifiers were compared for consistency. The impact of such consistency on Case Mix Index (CMI) and Diagnosis-Related Groups (DRGs) Zone A was evaluated. The consistency and its impact on the entire hospital, surgery department, internal medicine department, and other departments were examined and compared.
The statistical results show that AI has an impact on consistency. The most apparent improvement is present in the consistency between AI and disease classifiers, while that between physicians and disease classifiers is obsolete. The improvement of the surgery department is significant, while that of the department of internal medicine tends to rise but insignificantly. The consistency rate has a significant impact on the CMI, but not on DRG A cases. The latter is speculated to be due to the adjustment of the health reimbursement policy.
The essence of the Technology Acceptance Model and the Innovation Diffusion Theory has been echoed by the personnel interviews and thereafter, shed light on the AI implementation. In short, innovation must be recognized, persuading, tried, and continuously implemented so as to be effective. The ease of use should be enhanced and the usefulness of AI be identified.

第一章 緒論 1
第一節 研究背景 1
第二節 研究動機 2
第三節 研究目的 3
第二章 文獻探討 5
第一節 科技創新於醫療領域的應用 5
第二節 醫院組織績效評估方式 10
第三節 科技導入對組織管理績效的影響 15
第四節 科技接受模式與創新擴散理論 17
第三章 研究方法 23
第一節 研究對象 23
第二節 資料蒐集方式 30
第三節 資料分析方法 35
第四節 研究架構圖及假設 36
第四章 研究結果與討論 37
第一節 研究樣本 37
第二節 編碼一致率敘述性統計 40
第三節 編碼一致率第一季與第三季比較 50
第四節 病例組合指標（CMI）趨勢看疾病嚴重度 59
第五節 醫院收入與DRG A區佔率 64
第六節 使用者訪談結果 67
第七節 假設驗證結果 68
第五章 結論與建議 69
第一節 結論 69
第二節 建議 73
參考文獻 75

英文文獻
Davis, F. D. (1989). Perceived usefulness, perceived ease of use, and user acceptance of information technology. MIS Quarterly, 13(3), 319-340.
Davis, F. D., Bagozzi, R. P., & Warshaw, P. R. (1989). User Acceptance of Computer Technology: A Comparison of Two Theoretical Models. Management Science, 35, 982-1003.
Friedman, C. (2000). A Broad-Coverage Natural Language Processing System. Paper presented at the AMHA Annual Symposium.
Friedman, C., Shagina, L., Lussier, Y., & Hripcsak, G. (2004). Automated encoding of clinical documents based on natural language processing. J Am Med Inform Assoc, 11(5), 392-402. doi:10.1197/jamia.M1552
Milner, F. M., Estabrooks, C., & Humphrey, C. (2005). Clinical nurse educators as agents for change: increasing research utilization. International journal of nursing studies, 42(8), 899-914.
Moore, G. C., & Benbasat, I. (1991). Development of an instrument to measure the perceptions of adopting an information technology innovation. Information Systems Research, 2(3), 192-222.
Rogers, E. M. (1962). Diffusion of innovations: New York: Free Press of Glencoe.
Rogers, E. M. (1983). Diffusion of Innovations(3rd ed): New York: Free Press.
Venkatesh, V., & Bala, H. (2008). Technology Acceptance Model 3 and a Research Agenda on Interventions. Decision Science, 39(2), 273-315.
Venkatesh, V., & Davis, F. D. (2000). A Theoretical Extension of the Technology Acceptance Model: Four Longitudinal Field Studies. Management Science, 46(2), 186-204.

中文文獻
方國定, & 李文雅. (2000). 醫療診所病歷及電子病歷現況探討. Paper presented at the 第三屆商業現代化研討文.
王嵩竑. (2008). 護理人員對無線射頻辨識系統接受度模式建構與比較分析: 知覺創新特性模式與科技接受模式觀點. 元培學報, 15, 47-80.
安庭誼, & 王淑美. (2019). 影響消費者對 AI 客服創新擴散與抵制相關因素—以博客來網路書店為例. 文化事業與管理研究, 19(1), 1-17.
江雪萍. (2008). 預估 Tw-DRG 支付制度實施後對醫院經營績效之影響-以某區域醫院為例.
何玉雯, & 遊人達. (2020). 實際運用人工智慧(AI)輔助疾病分類編碼效益. 病歷資訊管理期刊, 18, 20-23.
何淑熏, 林裕淩, & 吳姮憓. (2013). 檢驗網路銀行之採用意願--創新擴散理論與科技接受模式之貢獻. 中華管理評論, 16(4).
吳蕙玲. (2008). 美國Medicare嚴重度調整DRGa之主要併發症/合併症於Tw-DRGs分類架構之初探性研究-以四個護膝系統DRGs為例. 嘉南藥理科技大學,
李安唐. (2007). 電子病歷自動分類於ICD-9-CM：以類神經網路技術為基礎. (碩士), 慈濟大學,
周昱百. (2020). 人工智慧於視網膜疾病之應用. 臨床醫學, 86(1), 407-409.
林素真. (2020). 電子病歷下透過住院中編審提升DRG效益. 病歷資訊管理期刊, 18, 113-114.
林素鉁, 陳重光, & 侯東旭. (2007). 應用人工智慧演算法於手術室開刀作業排程規劃改善之研究. 醫療資訊雜誌, 16(3), 35-48. doi: 10.29829/TJTAMI
林雅雯. (2010). 以創新擴散理論探討健康促進醫院之創新歷程與影響因素. 醫護科技期刊, 12(4), 239-254.
林瑋珊. (2017). 用自然語言處理擷取乳癌病理報告. (碩士), 台北醫學大學,
胡惠珍. (2008). 輔助癌症登記之病理報告資訊擷取系統. (碩士), 慈濟大學, 花蓮縣.
胡蓮欣, 黃文盛, & 吳良治. (2019). AI大時代：從人工智慧在核醫心臟學的應用遇見AI在醫療領域之變革. 臨床醫學, 84(6), 783-793.
張宇軒, 王思敏, & 賴非羆. (2020). 人工智慧應用於ICD-10疾病分類. 台灣醫學, 24(1), 58-84.
張冠羣. (2010). 人工智慧創新應用之研究. (碩士), 國立台灣師範大學,
梁瑋倫, & 林昌賜. (2020). 智慧醫療的應用趨勢與商業模式. 電機工程會刊, 60-67.
許家寧. (2010). 結合創新擴散理論與科技接受模型探討企業員工使用數位學習系統意願之研究. 國立中央大學,
陳楚杰. (2005). 醫院品質報告卡指標之篩選及以結構方程模式分析住院病人對其創新特性之知覺, 態度與使用意願. 國立台灣大學,
劉忠峰. (2013). 以雙因子模式之觀點探討影響臨床醫護人員對醫療資訊科技使用程度之因素. Retrieved from 國家科學委員會專題研究計畫:
劉姿蘭. (2009). 應用文字探勘技術於疾病分類自動編碼之研究. 國立成功大學,
蔡慈芸. (2013). 以創新擴散理論探討醫療院所導入ISMS之研究.
賴宜弘, 黃芬芬, & 楊雪華. (2015). 科技接受模式中文版量表之編製與相關研究. 亞東學報, 35, 201-222.
謝碧容, 許時涵, 郭品誼, & 蘇郁涵. (2012). 瞭解加護病房護理人員對於臨床資訊系統的使用行為：整合科技接受模式與電腦自我效能. 嘉南學報, 38, 510-518.

網路資訊
衛生福利部中央健康保險署新聞稿. 病例組合指標是反映醫院平均住院每個案資源耗用的情形. (2000, 20000610). Retrieved from https://www.nhi.gov.tw/News_Content.aspx?n=FC05EB85BD57C709&sms=587F1A3D9A03E2AD&s=76E514D1CA642D79
台灣AI行動計畫—掌握契機，全面啟動產業AI化. (2019, 20190807). 行政院. Retrieved from
https://www.ey.gov.tw/Page/5A8A0CB5B41DA11E/a8ec407c-6154-4c14-8f1e-d494ec2dbf23