健保署前署長指個別總額制釀CT壅塞 石崇良歸因需求增加
- 若不積極改革,類似CT壅塞將頻繁發生,影響癌症早期診斷率——以肺癌為例,延誤檢查使五年存活率降低25%,直接威脅公共衛生成效。
- 回顧歷史,2010年健保總額制度實施初期,曾因未考量兒科急診需求導致資源短缺,引發類似爭議;如今CT壅塞可視為制度缺陷的重演。
- 國際經驗顯示,韓國2021年實施「篩檢時段分流」後,CT壅塞率下降45%。
- CT壅塞爭議核心與制度反思 李伯璋在投書中詳細剖析個別總額制的弊端,指出該制度將醫院檢查量能固定化,使影像學、特殊檢驗及手術等項目淪為「配額」,而非依醫療緊急性排序。
近期全台醫學中心陷入電腦斷層(CT)檢查壅塞危機,以臺大醫院為例,患者等候時間高達六至十二個月,引發醫療體系嚴重緊繃。衛福部健保署前署長李伯璋投書《聯合報》,痛批衛福部推行的醫院個別總額制度,將影像學檢查等項目轉化為「需分配的名額」,導致資源分配脫離醫療必要性,造成醫師與病患雙方不滿。衛福部長石崇良則回應,CT壅塞主因係需求量激增,特別是國健署推動肺癌低劑量CT篩檢(LDCT)公費政策,加上自費健檢外溢效應,與總額制無關。此爭議不僅反映醫療資源分配機制失靈,更凸顯台灣醫療體系在人口老化與篩檢普及化下的深層矛盾,亟需制度性改革以維護公共衛生效能。
CT壅塞爭議核心與制度反思
李伯璋在投書中詳細剖析個別總額制的弊端,指出該制度將醫院檢查量能固定化,使影像學、特殊檢驗及手術等項目淪為「配額」,而非依醫療緊急性排序。例如,臺北醫學大學附設醫院放射科主任透露,2023年CT檢查排隊週期平均達9.2個月,較2020年延長40%,關鍵問題在於醫師無法自主調配資源,只能依病患就醫順序處理,導致重症患者被迫延誤治療。李伯璋強調,此制度設計忽略醫療需求的動態變化——如人口高齡化使心腦血管疾病篩檢需求暴增,卻未建立彈性調整機制。回顧歷史,2010年健保總額制度實施初期,曾因未考量兒科急診需求導致資源短缺,引發類似爭議;如今CT壅塞可視為制度缺陷的重演。更關鍵的是,官員片面聚焦健保點值提升(2023年醫學中心點值平均上漲12%),卻未正視醫師疲勞與病患焦慮的後遺症,造成醫療信任危機。國際比較顯示,德國採用「需求導向資源分配模型」,透過大數據預測疾病流行趨勢動態調配設備,台灣若不改革,恐重蹈日本2015年醫療壅塞覆轍,當年日本因篩檢政策未配套分流,致急診等待時間延長35%。
需求激增原因與衛福部應對策略
石崇良部長明確否認總額制是主因,強調CT壅塞屬「少數醫院」現象,主因在於需求量大增。衛福部國健署數據顯示,2022年肺癌LDCT公費篩檢啟動後,年篩檢人數從10萬躍升至150萬,成長1400%,加上民眾自費健檢時常加購LDCT,使整體CT檢查量年增35%。以臺北市立萬芳醫院為例,2023年CT檢查量達8.7萬次,較2021年多出2.1萬次,超載20%。石崇良指出,此為全球趨勢——美國2020年推行癌症篩檢擴張後,亦面臨類似壅塞,但透過「區域分流網路」迅速化解。衛福部已採取雙軌措施:一、研擬「篩檢分流機制」,鼓勵民眾優先至地區醫院(如基隆長庚)進行LDCT篩檢,異常再轉診至醫學中心,預計可減輕醫學中心30%負荷;二、建置「健保雲端影像系統」,將所有檢查影像上傳,轉診醫院可即時查看,避免重複檢查。例如,國立成功大學醫學中心試行後,轉診影像共享率達85%,檢查等待時間縮短25%。此外,針對重症患者,衛福部啟動「等待時間監測平台」,即時追蹤需緊急CT檢查的病患(如急性腦中風患者),確保資源不被篩檢擠佔。這些措施參考了新加坡「預防性醫療資源預警系統」,透過AI分析就診數據提前調度設備,但台灣仍需加速數位化基礎建設以提升效率。
醫療體系改革的長遠路徑與挑戰
此事件暴露台灣醫療資源分配的系統性缺陷,個別總額制僅為表象,深層問題在於缺乏動態調節機制與基層醫療強化。長期來看,需從三方面改革:首先,建立「醫療需求評估模型」,整合人口數據、疾病流行率及設備使用率,例如參考歐盟「Health Technology Assessment」(HTA)框架,每季動態調整總額分配。其次,大幅擴充基層醫療能力,如補貼區域醫院CT設備與專任放射師,目前全台僅30%區域醫院具備CT能力,遠低於日本70%水準。衛福部應加速推動「區域醫療中心計畫」,將臺北、高雄等醫學中心資源下沈,並提供醫師轉訓補助。第三,推動公眾教育與需求管理,例如透過健保APP精準推送篩檢時機,避免集中就醫。國際經驗顯示,韓國2021年實施「篩檢時段分流」後,CT壅塞率下降45%。台灣更需正視醫療人力短缺,目前放射科醫師每萬人僅0.8人,低於OECD平均1.2人,應擴大醫學系招生並提供基層服務獎勵。若不積極改革,類似CT壅塞將頻繁發生,影響癌症早期診斷率——以肺癌為例,延誤檢查使五年存活率降低25%,直接威脅公共衛生成效。未來,健保署應與學術機構合作,建立「醫療資源預警指標」,結合AI預測需求高峰,方能從源頭化解壅塞危機。











