人工智慧在醫療產業的發展應用
臺灣醫療 AI 已具備與國際競爭的實力，未來應持續透過跨國合作與政策支持，推動 AI 醫材與智慧醫療方案走向國際，並將應用延伸至偏鄉醫療與居家照護等場域。
文／鄭宜芬
工研院院士、臺中榮民總醫院前院長陳適安表示，醫療 AI 已經從早期 PoC 階段，進入實際臨床應用與產業化階段。醫療機構現階段最重要的課題是如何讓 AI 真正融入醫療流程，並建立可持續運作的治理機制。
「現在最大的問題已經不是 AI 做不做得到，而是如何讓 AI 在醫療體系裡面真正發揮價值。」陳適安認為，這反映出 AI 已逐漸從單一工具，轉變為醫療體系的重要基礎設施。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
數位醫療崛起 照護場域從醫院走向居家
面對偏鄉醫療資源不足、高齡化社會來臨，以及慢性病患者長期照護需求，中榮自 2017 年底開始投入數位醫療，2021 陳前院長到任後，與中華電信合作建置 5G 智慧醫療平台，成立遠距醫療中心，並獲得 SNQ 國家品質銅獎及醫策會的白金獎肯定。疫情之後，遠距醫療逐漸成為醫療服務的重要基礎能力。
國際研究普遍預估，未來居家與虛擬照護占比將持續提升，帶動遠距醫療與 AI 分析需求快速成長。醫療服務模式也將從醫院中心逐漸轉向病人中心，帶動大量感測器、穿戴裝置與 AI 分析需求。
中榮已開發出敗血症早期偵測系統，用於篩選哪些病人適合返家進行抗生素治療，有助於提升醫院效率與節省資源。
AI 醫材快速成長 影像診斷是主力應用
美國 FDA 核准的 AI 醫療器材軟體數量近年大幅成長，截至 2025 年，AI 醫療相關器材 1,357 項為最多，與遠距醫療相關的感測器有 234 項，新興成長領域的 AR/VR 應用則有 104 項。
臺灣在醫療 AI 領域的發展亦具備強勁的成長動能。陳適安指出，從應用類型來看，AI 醫材目前仍以醫學影像為主力，遠距醫療相關應用持續擴大；而 AR／VR 在手術輔助、醫療訓練及復健領域的應用，未來則有望納入自費專案。
若從臨床應用領域觀察，2025 年影像醫學科以 1,039 件居冠，占所有科別約 77%；心血管疾病相關 AI 有 130 件，神經科則有 61 件，顯示AI 應用高度集中於影像判讀與重大疾病輔助診斷，並與全球主要健康威脅高度相關，其中以癌症與心血管疾病應用最為成熟。
[ 推薦閱讀：【醫療業】 CIO 正在面對的 AI 原生醫院斷層 ]
單點應用邁向平台化 打造醫療 AI 整合架構
AI 模型快速增加，也讓醫院面臨系統碎片化的新挑戰。平台化已成為醫院規模化導入 AI 的必要基礎建設。
以影像醫學為例，部分大型醫學中心已自行開發超過數十種 AI 模型，涵蓋肺癌篩檢、骨折辨識、腦中風判讀等應用。
然而，許多裝置的資料未整合進醫院既有系統，如果每個系統獨立運作，不僅增加維護成本，也難以整合臨床流程。且醫療平台若僅收集資料而不具備自動判讀能力，也無法完全發揮效益。
「如果每個 AI 都有自己的平台，資訊部門永遠都在維護系統，而不是創造價值。」
陳適安認為，未來醫院需要的是透過統一平台管理不同 AI 模型，包括模型部署、權限管理、資料串接、效能監測、法規稽核，都能在同一架構下進行，並且整合醫療設備資料、病歷系統資料、遠距監測資料、AI 分析結果，形成完整的數位醫療生態系。這也是許多大型醫學中心近年積極推動 AI 平台化的重要原因。
他強調，將 AI 輔助診斷直接整合進平台，才能為偏鄉地區提供即時的醫療決策支持，減輕醫護人員的負擔。
例如中榮透過廣達 QOCA 平台整合多種心電圖裝置與 AI 判讀技術，提供心律不整等疾病的即時分析能力，進一步提升遠距照護效率。
不過，過去許多醫療數位裝置產生的病患資料雖已上傳至雲端平台，卻因 HIS 介接問題而延遲整合。若要保障病患隱私，建議做法是將這些來自數位裝置的資料直接儲存進醫院自身的系統內，並要求病人簽署同意書，才能將其資訊傳輸至合作廠商的雲端，以保障個資。
[ 推薦閱讀：【醫療業】AI 如何在第一線悄悄改變醫療現場 ]
GenAI、機器人與實驗室 三層架構提升效率
生成式 AI 最大的價值是在行政效率提升。陳適安解說，中榮與 NVIDIA 合作，運用 LLM 輔助撰寫電子病歷、病程紀錄及住院紀錄等文件。
生成式 AI 導入醫療場域後，如何確保內容正確性、權限管理與資料安全，也成為醫院資訊治理的重要課題，AI 生成內容不能直接取代醫師判斷，所有病歷內容仍須經過醫師確認與簽核，才能正式納入醫療紀錄。
隨著機器人越來越普及，護理機器人若僅執行簡單任務，護理人員的接受度可能不高；必須整合更進階的 AI 功能，分擔更多護理工作，才能有效提升效率。
為此，中榮與鴻海合作研發出 AI 護理機器人 Nurabot，採用 NVIDIA 的 Isaac Sim 機器人模擬平台，並成立智慧孿生護理站，透過雲端即可操控機器人，可執行醫療物資配送、病房支援與衛教提醒等任務。
同時，臺中榮總於 2023 年建置亞洲首創全自動智能實驗室與全國首套全自動化軌道系統，使檢驗總量年成長 10.4%，並減少 25% 人力需求。實驗室採用智能檢體電動車技術，採用全自動化檢體運送系統，提高效率並降低能耗。
AI 治理成為關鍵 三大 AI 中心建構國家級框架
隨著生成式 AI 快速普及，醫院面臨的新課題將是如何建立完整的 AI 治理機制（AI Governance）。
陳適安強調，醫療 AI 與一般企業 AI 最大的差異，在於涉及病患安全與個人隱私，一旦資料外洩或模型判斷錯誤，影響的不只是系統，而是病人的生命健康。
隨著 AI 醫材的大幅增長，世界衛生組織（WHO）也持續強調公平性（Fairness）、透明性（Transparency）、可追溯性（Traceability）與安全性（Safety）等重點。
對此，衛福部成立三大 AI 中心的國家政策，旨在建立涵蓋 AI 治理機制、取證驗證，以及臨床效益影響性研究之完整體系，解決 AI 發展中的公平性、健康權與包容性問題，連結醫學中心與區域醫院，共同完善臺灣的 AI 發展架構。
其中，「負責任 AI 執行中心」將協助醫院與產業在模型開發與導入過程中，落實資料治理、模型風險評估、偏差檢測、效能監測與版本控管等機制，並對接國內外相關法規與指引，降低 AI 應用於臨床場域的潛在風險。
「臨床 AI 取證驗證中心」支持 AI 工具，以確保 AI 模型在跨體系的適應性和一致性。
「影響性 AI 研究中心」則整合醫療資訊系統與創新巨量資料應用，培養跨領域整合人才，結合院內外 資源促進學術與技術交流，推進智慧醫院發展。
各中心召集人亦透過整合醫學中心體系的力量，推動臺灣醫療 AI 軟硬體的管理機制與發展，接軌國際。
[ 推薦閱讀：【醫療業】澳洲東方醫療機構看好代理式 AI，積極進行 AI 沙盒測試與治理 ]
Digital Twin 打造下一代智慧醫療決策平台
除了生成式 AI，陳適安特別看好 Digital Twin 技術的發展前景。以心臟疾病為例，心臟的結構非常複雜，若能建立統一的Digital Twin模型，並建置一個模擬平台，透過病患影像、生理訊號與醫療資料建立虛擬模型，進行模擬導管路徑、預測手術風險或評估治療效果，為病人提供衛教或作為醫師手術的指引，提升精準醫療能力。
目前 Digital Twin 已實際應用於約翰霍普金斯大學的心律不整手術，未來有望簡化複雜治療，甚至可能取代傳統的 3D 模型建構。
陳適安認為，Digital Twin 未來將成為複雜醫療決策的重要工具，甚至可能改變醫療訓練模式。《連線》（Wired）雜誌創辦人、未來學家凱文凱利（Kevin Kelly）亦預測，到 2050 年，Digital Twin 將推動客製化個人醫療、簡化複雜的手術程序，是未來的重要發展領域之一。
臺灣智慧醫療鏈結歐洲 布局國際驗證與取證
除了推動國內智慧醫療發展，陳適安也積極促成臺灣醫療 AI 與國際接軌。
2025 年開始，國科會率領多家醫學中心，與荷蘭、比利時、西班牙、法國及瑞典等國展開合作，進行聯邦學習及 AI 驗證計畫，為未來的認證取證做準備。
相較於美國市場，歐洲對 AI 法規要求更加嚴格。除了個資保護（GDPR）外，還需符合歐盟醫療器材規範（MDR）和歐盟人工智慧法案（AI Act）規範。但也因為門檻較高，一旦通過驗證，產品國際競爭力將大幅提升。
陳適安觀察，臺灣醫療 AI 與美國頂尖醫學中心雖然存在差距，但與歐洲許多國家相比並不遜色。臺灣擁有完整健保資料庫、優秀醫療人才及成熟 ICT 產業鏈，已具備發展智慧醫療的重要優勢。
[ 推薦閱讀：醫療業：AI 眼鏡如何成為智慧醫院的關鍵基礎設施 ]
從 AI 工具到智慧治理 醫療轉型的下一步
從遠距醫療、生成式 AI、AI 平台到 Digital Twin、Agentic AI 與 Physical AI，如何提升醫療品質、改善病人體驗、減輕醫護負擔，是智慧醫療的目標。
未來智慧醫院的競爭力，也將著重於能否建立完善的資料治理、平台整合與 AI 治理能力，而且涉及技術導入、組織文化、流程再造與跨域協作等全方位轉型。
陳適安認為，醫療 AI 發展已從單點應用走向平台整合與治理階段。唯有透過法規制度、人才培育、算力資源與跨界合作同步推進，才能在發揮 AI 效益的同時降低風險，建立可持續發展的智慧醫療生態系，推動臺灣智慧醫療邁向國際。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
