落地化LLM模型在大腸癌病理報告的應用

病理報告是臨床診斷與治療的重要依據，其撰寫過程雖依賴病理醫師的專業判斷，但仍可能因個人撰寫風格、資料不完整或標準不一致，導致資訊傳遞上的差異，影響醫療決策的準確性與一致性。因此，本研究旨在透過自然語言處理（Natural Language Processing, NLP）技術及生成式AI落地化的應用，透過病理報告的收集與訓練進而提升病理資料的準確性，並實現病理報告的標準化與稽核化。

本研究首先要建立高質量的病理報告標準化資料庫，整合多來源數據，採用監督式學習的方式，由病理科醫師透過IRB申請取得的病理科報告，篩選出吻合標準化的病理報告資料黃金病例及病理標準書中病理報告標準化的格式AJCC (American Joint Committee on Cancer) TNM 分期系統，透過自然語言加以訓練、測試，進而建立標準化自然語言資料庫模型，簡稱病理科標準化自然語言參考模型。

接著透過落地式LLM生成式AI (在院內直接呼叫生成式AI模型，不須透過網路上雲端) 整合病理科標準化自然語言參考模型，透過程式與生成式AI對接API的功能進而實作AI模型，而加以驗證醫生所寫的病理報告是否吻合標準化格式及驗證是否有不吻合格式的病理報告做為提供醫生參考及稽核錯誤病例報告。

最終，本研究將建立一套病理報告輔助系統，提供格式校驗與標準化建議，協助病理醫師提高撰寫效率，減少風格差異對臨床溝通的影響，並提升病理報告的準確性與一致性。此成果不僅能促進病理報告標準化，亦將為未來智慧醫療應用與醫學數據標準化提供基礎。