運用 Amazon Q CLI agent 自動生成符合台灣規範的醫療器材量測資料的 FHIR 格式
背景
在台灣的醫療數位化轉型過程中，醫療資料的標準化交換格式扮演著關鍵角色。FHIR (Fast Healthcare Interoperability Resources) 作為國際醫療資訊交換標準，已被台灣衛生福利部採用，並制定了台灣核心實作指引 (TW Core IG)。
除了醫院單位需要進行FHIR格式的轉換準備之外，對於開發健康促進產品或是醫療器材量測儀器的廠商來說，為了與醫院進行資料交換，他們也需要將現有資料庫中的醫材量測資料的欄位，轉換為符合台灣規範的FHIR格式。
目前市面上已提供了一些映射工具與驗證工具，方便相關人員進行既有格式的轉換。然而，開發一個符合FHIR格式的資料，對這些廠商來說，不僅僅是進行簡易的映射(Mapping)。常見的痛點是需要專業的醫療資訊知識人員，給定初始的結構範本、告訴他們目標欄位有哪些、資料是否包含了所有對應的資源(Resource)的必填欄位、對應的格式與編碼系統(如LOINC、SNOMED CT)為何等等。
大語言模型在此處便可以發揮用處。我們可以讓LLM扮演專業的醫療資訊知識人員，協助建置資料的第一份FHIR格式，並用既有的驗證工具輔助驗證結果。驗證成功後，廠商即可進行標準化的轉換格式開發。本文將介紹如何運用Amazon Q CLI的 agent模式，結合FHIR validator MCP (Model Context Protocol)，自動化No-code的生成並驗證符合台灣核心實作指引的醫材量測資料FHIR格式，大幅提升醫療資料標準化的效率與準確性，加速醫療器材的開發。
解決方案架構
全部開啟我們的解決方案結合了以下核心技術：
1. Amazon Q Cli Agent：作為核心的智能助手代理人，理解原始量測資料的schema，執行複雜的資料轉換任務，並調用對應的工具(tools)進行驗證。
2. 台灣核心實作指引 (TW Core IG)規範與案例：在進行資料轉換前，Amazon Q Cli Agent會先讀取臺灣核心實作指引的規範與範例，並依照原始量測資料的內容，智能讀取對應可能的Profile，以此作為前備知識(context)，才進行轉換。
3. FHIR Validator MCP：提供標準的FHIR驗證能力，並使用確保生成資料符合台灣TW Core IG規範。本方案透過Fast MCP，包裝HK7所提供的validator.jar，並以TW Core IG 0.32 packages為Implementation Guide。
圖一：智能FHIR格式轉換助手架構圖
實作步驟
全部開啟環境準備
需安裝Amazon Q CLI
需安裝java與python
需使用MacOS
設定Amazon Q CLI agent
將Github的內容Clone到本地。執行Q CLI，指定建立agent：
```
q chat
/agent create -n twcore-fhir-agent
```
依照Github指示輸入agent定義檔。定義檔中，包含prompt、TW IG core的範例網址，以及對應可使用的工具(tools)。使用者可依照需求進行修改。
Prompt範例：
```
你是一個FHIR的專家，會負責將檔案轉換為FHIR格式，並執行驗證。
使用者可能會提供一個文件夾，其中包含他想要交換的資料格式。將這些格式轉換為FHIR的一個Bundle，並執行驗證。這個Bundle如果是以Patient為中心，那就把所有跟Patient相關的Resource放在一個Bundle，例如多個Observation。最後輸出時，只輸出一個Bundle，因為你只是要提供格式的參考，而非轉換所有csv的row。
轉換前，你要先判斷使用者需要的是何種Bundle Type，如transaction、batch、document、collection等，你可以跟使用者討論以決定需求。
轉換前，你需要先閱讀https://twcore.mohw.gov.tw/ig/twcore/0.3.2/artifacts.html規範文件，及盡可能在https://twcore.mohw.gov.tw/ig/twcore/0.3.2/examples.html找到對應的資源的樣例。轉換及驗證後，輸出時，整理一下有哪些warning和informational的，提出使用者改進建議。如果過程中為了符合輸出格式，你有做一些假設欄位的值，也請列出來。
```
執行agent
設定完成後，退出Q CLI，並再次執行：
```
q chat --agent twcore-fhir-agent
```
首次執行時會下載validator.jar。待下載完成後即可提供schema，讓agent開始轉換。
結果
本文以血壓量測的結構為範例展示。原本資料假定為兩張表。一張是使用者資訊，一張是血壓量測結果。我們將兩張表輸出為csv:
```patient.csv
patient_id,name
0001,Len
0002,Lin
```
``` vitalsign.csv
patient_id,timestamp,systolic,diastolic
0001,2025-08-28T00:00:00Z,120,80
0001,2025-08-28T01:00:00Z,130,85
0001,2025-08-28T02:00:00Z,120,83
```
圖二：進入agent模式後，提供檔案
圖三：agent會依據檔案內容，詢問與推薦Bundle類型
圖四-1：agent會先閱讀TW Core IG的規範
圖四-2：agent會依照資料內容，先閱讀TW Core IG的Bundle範例
圖四-3：agent會依照資料內容，先閱讀TW Core IG的Resource範例。如本次資料包含血壓資料，因此agent主動閱讀了血壓的範例
圖五：agent創建了FHIR Bundle document後，調用validator.jar驗證
圖六：驗證結果發現錯誤，agent依據錯誤訊息自動進行迭代修正
圖七-1
圖七-2：驗證結果成功後，agent會輸出報告說明結果，並指出所用的假設，以及改進建議
結論
全部開啟結論
Amazon Q Agent結合FHIR validator MCP的解決方案，為台灣醫療器材與健康促進廠商提供一個高效、準確、易用的No-code量測資料初始FHIR格式轉換工具。這個方案智能的根據來源schema的欄位，查看相關範例以推薦對應的FHIR格式，並確保了轉換結果符合台灣核心實作指引的要求。讓我們一起推動台灣醫療資訊標準化的發展，為病患提供更好的醫療服務品質。
開始使用
全部開啟開始使用
如果您對這個解決方案感興趣，歡迎：
2. 了解如何進行生產級別的Agent開發(使用Strands Agents與Amazon Bedrock AgentCore)
未來發展方向
全部開啟未來發展方向
增加MCP tool，自動進行FHIR Server上傳測試
增加MCP tool，在驗證階段，搜尋編碼系統，提高編碼準確度
增加其他國家的Implementation Guide支持
作者
Len Lin is a Solutions Architect at AWS. He specializes in AI/ML solution delivery and enterprise system integration. He has successfully delivered AIOps solutions and AI-powered fraud detection platforms for various organizations. With his background in biomedical engineering and new drug company, he is dedicated to facilitating digital modernization in the health care/life science industry through innovative artificial intelligence applications.
