警示疲勞 vs 安全：為什麼 ExClinCalc 只做 12 組藥物交互，不是上千組

TL;DR

醫療系統警示功能的常見問題不是「警示太少」，是「警示太多」。當醫師被誤報轟炸到習慣按 dismiss，下次真有問題時也會 dismiss 掉 ── 這就是 alert fatigue（警示疲勞）。我在 ExClinCalc 的處方藥物交互檢查只實作 12 組關鍵組合，這是設計，不是窮盡。

背景：CDSS 警示的雙刃劍

臨床決策支援系統（CDSS）的核心功能之一就是主動警示：醫師開錯藥、漏看過敏史、處方對腎功能不良的劑量 ── 系統跳警告。

直觀想：警示越完整越安全。但實證研究說的不是這樣。

Ancker et al. (2017) 在 BMC Medical Informatics and Decision Making 發表的研究做了量化測量：

醫師被警示打斷越多次，警示的「忽略率（override rate）」越高。當忽略率超過 90%，警示系統等同沒裝。

這個發現顛覆了「警示越多越安全」的直覺。一個系統如果丟給醫師 50 個警示，其中 48 個是誤報、2 個是真問題 ── 真問題很可能跟誤報一起被 dismiss 掉。

真實數據：alert override rates

Ancker 的研究跟 follow-up 研究發現：

一般醫院 CDSS 警示的 override rate：85–95%
即使是「重要」警示（紅色）也常見 60–80% override
醫師被警示打斷的時間 average：每天 30+ 分鐘，多數是看一眼就 dismiss

這代表 ── 大多數 CDSS 警示功能在實務上是噪音。

我的設計取捨

知道這個前提後，我做 ExClinCalc 處方檢查時的核心問題不是「能撈多少組藥物交互？」，是「怎麼讓醫師看到警示就停下來，而不是反射 dismiss？」

三個設計原則

原則 1：稀少 + 重大

只警示最常見、最致命的組合。例如：

NSAIDs + ACEI/ARB（腎傷害 + 高血鉀）
Warfarin + Aspirin（出血風險倍增）
ACEI + 高血鉀利尿劑（致命高血鉀）
部分 CYP3A4 強抑制 / 誘導劑組合

12 組不是窮盡 ── 是「醫師看到絕不會 dismiss 的那一組」。

原則 2：分級警示

不是所有警示都同等緊急。我用兩層：

🔴 紅色高優先：12 組關鍵組合，必須點確認才能繼續
🟡 黃色提示：劑量 / 給藥時機提醒，可帶過

紅色警示稀少 + 強，醫師看到 = 停下來。強訊號不能稀釋。

原則 3：脈絡感知

同一組藥物在不同病人脈絡下的風險不同。例如 NSAIDs + ACEI：

對 30 歲健康人 + 短期使用 → 風險低
對 70 歲 CKD G3a 病人 → 高風險

我的系統會看病人現有 eGFR 跟年齡，分級警示的緊急程度。情境化警示比一刀切警示誤報率低很多。

為什麼不接 FDA OpenFDA API 撈所有交互？

這個問題我自己問過自己。台灣食藥署、FDA OpenFDA、UpToDate 都有完整藥物交互清單，少則幾百組、多則上千組。接進去不是技術問題。

不接的理由很現實：

沒分級數據：FDA OpenFDA 的清單沒區分「嚴重組合」vs「理論可能交互但臨床罕見」。一律警示等同 alert fatigue。
缺脈絡判斷：FDA 的清單是藥物層級，不看病人。要做情境化警示得自己再過一層規則引擎。
更新節奏不可控：FDA 清單一更新可能新增上百組。我的系統如果直接 sync，可能某天醫師突然多了 50 個新警示，然後習慣全部 dismiss。

我的選擇：寧願覆蓋率低，但每個警示都值得停下來。

開放問題：怎麼擴充而不破壞

我的 12 組設計目前夠用，但顯然不能永遠停在 12 組。怎麼擴充？

我正在思考的方向：

方向 1：分層警示庫

Layer 1（紅色）：12–20 組「絕對嚴重」── 醫師必看
Layer 2（黃色）：100+ 組「需注意」── 預設關閉、醫師可開
Layer 3（資訊）：上千組「理論交互」── 預設關閉、可查閱不警示

讓醫師自己選敏感度。關鍵是 default 不要過度。

方向 2：機構自訂

不同診所的病人組成不同。心臟科診所可能想開更多心血管藥物警示。讓管理員調整警示組合比中央決定更務實。

方向 3：實證學習

長期記錄每位醫師對每類警示的 override rate。如果某類警示某醫師 override > 90%，自動降級。讓系統學會「對這個醫師、這類警示是噪音」。

這個方向有 ML 介入空間，但要小心：自動降級不能涵蓋「絕對嚴重」這層 ── 只能降級可調的部分。

跟業界對比

我把 ExClinCalc 的警示策略跟現有商業 CDSS 比過：

系統	藥物交互組合數	Override rate（業界估計）
Epic CDSS（美國大醫院）	1000+	80–90%
Cerner	1000+	80–90%
台灣健保 IC 卡警示	數百	95%+
ExClinCalc（我做的）	12（紅色）+ 50（規劃黃色）	目標 < 50%

我故意走「少而強」路線。比較有沒有警示之外，還要看警示有沒有真的影響行為。

一個提醒

寫這篇不是要黑大型 CDSS。Epic / Cerner 都是業界頂尖團隊做的、有他們的需求脈絡（多醫院、多科、多保險方案）。我做的是中小型診所，目標客群、需求都不一樣。

但我希望這篇能讓更多人意識到：「裝越多警示」≠ 「越安全」。

醫療系統的設計應該以真實行為改變為目標，不是 feature checklist。Ancker 2017 跟後續研究說得很清楚 ── 少而強的警示，比多而吵的警示，更可能真的救人。