會員登入
註冊
(攝影/吳培安)林治華引言表示，隨著人工智慧(AI)快速發展，醫療照護正迎來新的轉型契機，但如何真正落實於慢性病管理、疾病預防與醫療資源配置，仍需結合資料基礎建設、臨床場域與支付制度等多方力量共同推動。
他指出，包括美國、加拿大及臺灣等國家皆面臨慢性病盛行與醫療支出持續增加的挑戰，因此各國健康保險與醫療體系愈來愈重視真實世界數據(Real World Data)的運用，希望透過數據分析與AI工具，協助醫療資源更有效率地配置，進一步提升疾病預防、健康管理與治療成效。
他強調，唯有政府、產業與醫療機構共同合作，建立完整且可持續發展的健康照護生態系，才能讓AI真正轉化為改善病患照護品質與醫療效率的重要工具。
李建璋：建構全國醫療資料網絡 臺灣搶進AI健康新賽道
(攝影/吳培安)李建璋指出，AI發展的核心在於資料，而臺灣最大的優勢之一，是擁有覆蓋率達99.9%、運作超過30年的全民健康保險制度，累積全球少見的大規模醫療資料庫。不過，健保資料主要以申報資料為主，缺乏影像、病理報告等非結構化資訊，因此無法完全滿足AI模型訓練需求。
除健保資料外，臺灣也建置生物資料庫(Biobank)，蒐集基因體、生物檢體與長期追蹤資訊，但對於癌症等特定疾病研究而言，樣本數仍有限。相較之下，電子病歷(EHR)保存了約九成以上的臨床資料，內容最為完整，但長期面臨醫院系統分散、資料孤島等挑戰。
為解決資料整合問題，衛福部成立四大臨床AI驗證中心，由醫學中心結合區域與社區醫院組成聯盟，目前已串聯約60家醫院，這些中心不僅建立共同倫理審查與治理機制，也導入FHIR資料標準及聯邦式學習(Federated Learning)架構，讓開發者能在不移動原始資料的前提下進行跨院模型訓練與驗證。
李建璋以廣達開發的心電圖(ECG)死亡風險預測模型為例，透過驗證中心取得超過50萬筆不同層級醫院的資料進行驗證，提升模型泛用性與真實世界適用性。他表示，政府希望藉此建立從資料取得、模型驗證到法規審查的一站式服務，加速AI醫療產品進入市場。
在資料安全方面，李建璋強調，臺灣高度重視隱私保護與資訊安全。健保資料已建立退出機制，民眾可選擇不提供資料進行二次利用；生物資料庫與電子病歷則採取知情同意模式。
此外，政府也攜手微軟(Microsoft)、Google、亞馬遜網路服務(AWS)，發表主權雲(Sovereign Cloud)政策，要求敏感醫療資料必須存放於臺灣境內資料中心，並透過端到端加密及在地治理機制強化安全管理。同時，政府也建置全國AI登錄平台，推動醫療機構分享最佳實務與治理經驗。
在推動資料互通方面，臺灣近年大力導入FHIR、SNOMED CT、LOINC等國際標準，建立「臺灣核心資料交換標準(TWCDI)」，目前已涵蓋20大類、超過10萬項可交換資料欄位。政府更進一步建置全國醫療資訊交換平台(FHIR Box)，協助醫院完成資料標準化，形成全國性的醫療資料網絡。
他強調，從資料、法規、驗證到給付評估，臺灣正逐步建立完整AI醫療發展生態系，希望成為國際數位健康與AI醫療創新的重要據點。
慧康血糖數位照護平台攜手健保署、新加坡政府與日本企業保險體系深化應用
(攝影/吳培安)慧康生活科技資深商業開發經理Steven Chen分享，慧康成立至今已13年、2025年11月登錄興櫃，其開發的血糖數位照護平台在全球註冊的App使用者已超過170萬人、遍及超過800個醫療照護設施，成為亞洲最大的AI賦能慢性病管理平台。
Steven Chen表示，慧康的數位健康平台以App為核心，幫助使用者輕鬆完成健康資料蒐集，並在AI輔助下將數據轉換成可採取行動的洞察(actionable insight)，讓使用者更積極地管理血糖。例如飲食管理，使用者只需拍攝餐點照片，即可透過AI分析內容、針對餐點給予評分，並提出有助於穩定血糖的具體飲食調整建議。
在臺灣市場，慧康與健保署合作、成為首批獲得全民健康保險數位照護獎勵計畫的廠商，協助醫療機構追蹤與管理高風險患者的健康狀況；在新加坡，慧康也與新加坡衛生部(MOH)及健康促進局(Health Promotion Board)合作、推動DigiCoach糖尿病預防計畫，協助糖尿病高風險族群及糖尿病前期患者建立健康生活型態。
至於慧康重要的海外市場——日本，慧康在當地設立據點與健康教練團隊，透過企業健康保險體系提供數位健康管理服務。Steven Chen表示，企業員工可經由App參與健康管理計畫，而健康教練則利用平台追蹤健康數據並提供個人化建議，在AI功能的幫助下提高服務效率與覆蓋率。
Mayo Clinic打造跨科別AI代理智慧協作醫療團隊
(攝影/吳培安)梅約醫學中心(Mayo Clinic)醫療副總監Steven Lester表示，AI已不僅僅是醫療現場的紀錄工具，更能成為具備臨床知識與決策支援能力的智慧代理(AI Agent)，協助醫護人員提供更精準且高效率的醫療服務。
他表示，梅約醫學中心內部已開始開發新一代對話式AI代理(Conversational AI Agents)。這類AI代理能在醫病互動前負責整合相關資料、主動提供臨床背景資訊，讓醫護人員在接觸患者前就能掌握要點，提升溝通效率與照護品質，也代表著AI的用途已從「被動轉錄」(Passive Transcription)轉變為「主動協作」(Active Collaboration)。
目前，梅約醫學中心已發展多種專科AI代理，包括心臟科、居家照護、內分泌科等應用場景。他形容，這些代理能透過協同架構整合不同領域資訊，就像是各有專長的醫師聚在一起討論，形成跨領域的智慧照護網絡，打造出前所未有的自動化臨床醫療團隊。
從定序到預測疾病風險！Illumina打造多模態AI基因體分析平台
(攝影/吳培安)Illumina人工智慧實驗室資深經理Aashish Adhikari在綜合討論中分享了Illumina在基因體科技的布局。他表示，基因定序過去主要用於患者確診後，協助分析導致疾病發生的基因變異，進一步了解疾病成因；然而，目前產業發展方向正逐漸轉向大規模篩檢(screening)應用，希望在疾病發生前，透過基因體資訊預測個人健康風險。
不過，Aashish Adhikari強調，單靠基因體資料仍不足以作為第一線篩檢工具，基因體資訊仍須與其他醫療數據及檢測方式結合，才能真正發揮臨床價值，因此Illumina未來將朝向建立多模態(multimodal)分析架構前進，整合基因體、臨床資訊及其他健康數據，共同進行疾病風險評估與預測。
在AI應用方面，Illumina也正持續開發各種基因變異解析工具，以提升基因資訊的解讀能力。Aashish Adhikari指出，面對大量基因變異資料，關鍵挑戰在於理解每一項變異是否具有生物學意義，以及它們是否會進一步產生臨床影響，而深度學習正是推動基因體分析克服此一挑戰的重要工具。
最後與會專家普遍認為，AI在醫療領域的價值不僅在於模型開發，更關鍵的是如何整合醫療資料、建立互通標準並導入臨床照護流程，進而提升疾病預防、慢性病管理與精準醫療效益。
(報導/彭梓涵、吳培安)
