回溯性
對過去已有的資料進行清整並格式化，將已存在的資料統一成一致的格式。
- 縮短時間成本
- 即時供臨床用藥參考
- 提升醫療品質
- 降低醫藥成本
擬定符合國際標準格式欄位
參考台灣院內感染監測系統(TNIS)，擬定欄位格式及資訊內容，協助將感染症資料整理為符合國際標準之格式化資料。
建立自動化整治之AI模型
建立AI模型以自動進行資料格式標準化作業。
結合感染科專家及人工智慧
結合感染科醫師的專業以及AI智慧學習模式，開發一套整治病原體資料之方法，讓標準化資料符合專業領域需求。
節省人力資源成本
相較於傳統人工整理，AI機器學習彙整資料更能節省時間，使人力資源的使用更具效益。
• 與健保署合作：
．以Natural Language Processing (NLP) 技術清整資料欄位格式以符合標準，AI的正確率達94.54%。
．開發AI技術，自動化彙整各家醫院感染症資料。快速省時，協助了解各家醫院資料的完整率。
• 與醫院方合作：
．運用AI模型預測病原體抗藥性，提供一套關於抗藥性細菌鑑別的標準流程。可提前24小時精準診斷，大幅縮短鑑定時間。
前瞻性
針對資料制定和實施一套一致的資料格式標準（使用FHIR標準），以確保未來資料皆能符合標準。
依循國際標準FHIR格式
使用LOINC與SNOMED CT等國際標準術語，將資料欄位一致化。
增加資料互通性
建立AI模型以自動進行資料格式標準化作業。
以利醫療機構上傳與交換
促進資料完整與統一，以利學術統合研究。