隨著AI技術發展,相關醫療模型亦由早期的傳統神經網路,逐步擴展至大型語言模型(Large Language Models, LLM)與生成式AI應用,以支援電子病歷整合與個人化醫療決策輔助。在過去三年中,張嘉淵及其團隊透過ABAC平台持續推動醫療AI能力建構,並每年舉辦實作型工作坊,協助醫療專業人員將臨床洞見轉化為人工智慧模型。
在「DAILY」倡議推動過程中,團隊逐漸體認到,智慧醫療的核心目標是讓「任何年齡、任何地點、任何時間」的人都能獲得適切醫療服務。過去智慧醫療多著重於單一機構內部能力建構,但隨著醫療資料與AI應用走向去中心化,未來發展將更仰賴跨機構合作與AI生態系的建立。
有鑑於集中式AI系統可能面臨單點失效與資料治理風險,BAT-HI計畫提出新的合作架構,以分散式AI協作為核心,透過聯盟式學習等技術,讓資料保留於各醫療機構本地端,僅共享模型參數進行協同訓練,以降低跨境資料移轉涉及的隱私與資料主權風險,並建立跨機構AI合作的信任基礎。
BAT-HI計畫的願景,是從過去建立大型集中系統的模式,轉向由多個具備本地AI能力機構所組成的「AI星系」網絡,透過共享知識與技術,提升整體醫療AI的韌性與創新能力。
過去三年中,相關計畫已吸引來自約20個經濟體的數百名醫療專業人員參與,並建立數百個醫療AI模型。2026年BAT-HI計畫將在此基礎上進一步推動跨機構模型協作與區域合作,並將相關實作成果轉化為政策建議。