9月10日，亞美登健康科技創投(AMED Ventures)舉辦年度國際醫療論壇，主題定調「重新定義醫療：AI、機器人與醫學影像驅動的臨床醫療新世代」，邀請到國際知名醫材連續創業家Amr Salahieh親臨現場，以及臺中榮總泌尿醫學部主任李建儀醫師、亞美登健康科技創投合夥人暨醫療顧問陳冠林醫師，分別從心血管、泌尿科到醫療創新，共同分享AI、機器人、醫學影像及臨床需求，如何推動下一代醫療科技趨勢。

亞美登健康科技創投董事長暨執行管理合夥人王震緯於開場致詞中表示，臺灣過去在半導體及資訊與通訊技術(ICT)產業已取得相當大的成就，但醫療產業還有很大的發展空間。他期許此次座談能作為交流起點，促進各界共同討論台灣醫療產業未來發展方向。
   

Amr Salahieh：AI、3D影像、自動化機器人 重塑心血管介入治療流程、解決人力短缺

Shifamed創辦人暨執行長Amr Salahieh說明，Shifamed是一家位於美國矽谷的新創培育平台(Venture studio)，其採取主動管理式創業投資模式，旗下投資組合有8家醫療科技公司，透過AI、機器人等技術加速醫材開發，解決多種心血管醫療領域的臨床實務問題，並以LAZA Medical、AKURA Medical兩家投資標的為例說明。

其中，LAZA聚焦於心臟外科手術的醫療影像需求，開發結構性心臟造影導航機器人系統，旨在舒緩美國心臟科醫師人力緊張困境。Amr Salahieh說明，原本結構性心臟手術期間，需要一名專科醫師隨時在場、操作造影裝置探頭，但在機器人系統的輔助下，只需要專科醫師將探頭置入並固定後，便能在數秒內建立患者心臟的3D數位模型，並以每秒15次的頻率即時更新。

此外，透過AI辨識心臟解剖構造，標記位置可直接依附於解剖結構，即使探頭移動仍能維持原有標記，同時也能穩定持續跳動的心臟影像，即時呈現導管等器材位置，讓治療團隊更清楚掌握解剖結構與當下操作狀態，也讓負責操作探頭的專科醫師不必持續留在手術室內，即可同時監控不同手術。

另一家AKURA Medical則聚焦肺栓塞治療。Amr Salahieh指出，團隊開發出的NavIQ影像系統，利用AI將患者既有的電腦斷層影像(CT)快速轉換為3D模型，呈現血栓所在位置、血管分支與阻塞程度等資訊，協助醫師判斷優先處理區域。

此外，NavIQ系統亦可分析血栓特徵，提供血栓形成時間相關資訊，降低處理較老血栓可能造成再灌流損傷的風險。手術中再將3D模型與X光影像同步，讓醫師掌握導管與解剖構造的相對位置。這也使AKURA從單純比較導管性能，轉向以影像與軟體能力建立產品差異。

Amr Salahieh進一步指出，過去介入心臟病學機器人難以普及，原因之一是設備追求通用性，導致體積龐大、操作複雜且設定耗時，不符合手術室快速周轉的工作流程。因此，Shifamed主力開發小型、模組化、任務導向的機器人，每個模組僅控制特定導管操作，數個模組再彼此同步，便能完成複雜治療。

他強調，機器人的真正價值在於「自主性(autonomy)」。透過即時影像、位置與力量等感測回饋形成閉迴路控制，機器人可自主完成部分治療步驟，使不同操作者都能獲得更一致的結果，進而提高安全性並治療更多患者。  

李建儀：AI影像、機器人導入泌尿科 攝護腺癌診療朝精準微創發展

臺中榮總泌尿醫學部主任李建儀指出，攝護腺癌臨床診療仍面臨兩個問題，一是如何更準確評估癌症風險，二是如何在治療病灶的同時，降低對周邊組織及生活品質的影響。他表示，即使核磁共振影像(MRI)未見明顯變化，醫師仍可能需要判斷是否進一步檢查，而攝護腺癌也可能同時存在多個病灶，現有影像工具未必能完整辨識。

他提到，人工智慧已可結合臨床數據及醫學影像，協助分析攝護腺癌風險，並搭配MRI、超音波及精準切片系統，提高病灶定位與診斷精度。以高解析度微型超音波(micro-ultrasound)為例，其解析度較傳統超音波更高，準確度接近MRI，可作為攝護腺癌評估與追蹤工具。

目前泌尿科微創與影像導引治療包括海芙刀(HIFU，高能聚焦超音波)、奈米刀(IRE，不可逆電穿孔治療)、達文西手術結合即時影像及組織碎化刀，另有機器人輸尿管鏡處理腎結石，以及支氣管鏡機器人平台延伸至泌尿科的研究。李建儀表示，這些技術顯示泌尿科治療正朝局部、微創及影像導引發展，希望降低對周邊組織、性功能及排尿功能的影響。

李建儀也說明，醫療影像AI除了技術發展，後續也須證明實際臨床效益，才能進一步建立保險支付依據。若只能縮短技師判讀時間，對保險方而言誘因有限。若能提早發現復發，才更能顯示對病人的直接效益。至於攝護腺肥大，治療思維則與腫瘤不同，相關技術持續朝微創化發展，目標是在降低治療介入的同時，減少對病人的影響。  

陳冠林：手術趨向日間門診化！增進效率、精省成本成為機器人重要使命 

AMED Ventures合夥人暨醫療顧問陳冠林醫師表示，要預測未來醫療機器人的機會所在，就必須回到美國醫療體系面臨的成本問題。他指出，隨著醫療支出占GDP比重持續攀升，給付端(Payers)承受的壓力越來越大，於此同時醫療體系也透過縮短住院時間及改變手術場域控制支出。以人工髖、膝關節置換為例，患者平均住院天數已明顯下降，類似趨勢也出現在膽囊、半結腸切除等一般外科手術，逐漸從住院轉向單日完成。

除了住院時間縮短，手術場域也從大型醫院，轉往去中心化的門診手術中心(ASC)或醫院附設門診部(HOPD)。陳冠林指出，在這類講求成本與效率的場域，體積大、成本高的手術機器人面臨更多限制，不僅沒有額外給付，設備占用空間、設定時間及人員訓練，都可能影響手術室周轉。

換句話說，對醫療機構而言，若一台手術機器人可執行的術式有限、每週開不到幾台手術卻需要很多時間訓練醫師，便很難說服院方購入。因此，市場越來越多手術機器人朝著縮小設備體積、簡化工作流程等方向開發，以適應ASC的需求。

陳冠林認為，如今醫療創新的價值，已經從增加越來越多的新功能，轉向改善效率、成本與周轉率，目標也從「讓專家變得更厲害」，轉向「讓專業能力更具規模化(scalable)」，以解決醫療專業人力日益短缺、醫療體系對成本與效率要求越來越高的重大挑戰。

在這樣的趨勢下，機器人也從單純接受指令、執行動作，逐步朝AI賦能自動化(AI-enabled automation)發展。透過AI，系統可進一步具備感知(perception)、規劃(planning)、適應(adaptation)及安全執行等能力，由醫師提出任務，再由系統協調執行。  

AI醫療走向臨床落地 多元資料、臨床標準與醫師把關缺一不可

在綜合討論中，與會講者進一步從AI模型驗證、資料取得及醫師培訓等面向，探討AI醫療實際落地面臨的問題。

Amr Salahieh指出，建立醫療AI模型時，仍須以現行臨床標準作為比較基礎，例如透過多位合格醫師判讀建立基準，再將模型輸出與其比較，並經過嚴謹的測試與驗證。需要注意的是，AI參考的資料來源必須具備多樣性，包括不同醫院、性別、族群及患者特徵，以確保模型能反映實際接受治療的人群。

從投資角度來看，Amr Salahieh則認為，醫療科技投資的基本原則並未改變，仍須思考適應症、受益者、給付方式，以及能否以較少資金、更短時間創造較大的影響，但他特別看好將不同技術結合的機會，例如把AI與影像、機器人及控制系統整合，透過多層次技術，建立過去無法實現的能力。

陳冠林則補充美國醫師培訓制度的限制。美國專科醫師通常必須在有限期間完成訓練，若一項術式需要更長時間累積經驗，未來便較難廣泛應用。例如冠狀動脈慢性完全阻塞介入治療(CTO-PCI)、內視鏡黏膜下剝離術(ESD)等高度依賴技術的微創手術，容易集中於少數專家與醫學中心，因此如何利用科技縮短學習曲線，成為擴大治療可近性的另一項課題。

李建儀則從臨床端指出，以攝護腺MRI為例，目前仍須依循既有影像評分標準，並透過病理等結果進一步驗證。隨著影像與資料持續累積，AI仍有進一步發展空間，但對外科醫師而言，患者安全仍是核心考量，現階段新型AI工具的導入仍需要醫師參與判斷，不宜將整體醫療決策完全交由AI控制。
(報導 / 吳培安、高佳樺)