當 AI 從螢幕走進眼鏡，臨床現場的資訊取得方式正被徹底改寫。對醫院 CIO 而言，AI 眼鏡不只是穿戴裝置，而是連結 HIS、EHR 與多模態 AI 的新介面。從手術室、急診到護理站，零中斷的視覺疊加與語音互動，正在把決策從護理站拉回病床邊。現在的關鍵，已不是要不要導入，而是如何以 FHIR、Edge AI 與工作流程再造，讓這雙「下一雙眼」真正成為智慧醫院的基礎設施。
文／黃冠凱（中山醫學大學附設醫院醫療資訊中心副主任）
Google I/O 2026 宣告 AI 眼鏡時代正式來臨，醫療 CIO 必須現在思考：這項技術將如何重塑臨床工作流程、醫療決策與院內資訊架構？
一、前言：CIO 不能迴避的下一波浪潮
2026 年 5 月 20 日，Google 在 I/O 開發者大會正式發表首款搭載 Gemini AI 的 Android XR 智慧眼鏡，與 Samsung、Qualcomm 聯手打造，並攜手時尚眼鏡品牌落地消費市場。與此同時，Meta Ray-Ban AI 眼鏡已在全球售出逾 700 萬副，市場年複合成長率超過 240%，智慧型眼鏡市場規模預估至 2030 年將達到 41 億美元。
[ 加入 CIO Taiwan 官方 LINE、Facebook 與 LinkedIn，與全球 CIO 同步獲取精華見解 ]
科技巨頭的競逐不只是消費電子的新戰場，更是醫療資訊長（CIO）不能迴避的下一波基礎設施浪潮。本文從臨床應用場景、技術整合挑戰及 CIO 行動建議三個面向，系統性探討 AI 眼鏡在智慧醫療的策略佈局。
| 指標 | 數據 | 來源 |
|---|---|---|
| Meta Ray-Ban 全球累計銷量 | 超過 700 萬副（2025年） | EssilorLuxottica |
| AI 眼鏡市場年複合成長率 | 240% | 市調機構 |
| 全球出貨量（2024年） | 約 152 萬副 | AI/AR 眼鏡產業報告 |
| 預估市場規模（2030年） | 41 億美元（9,000萬副） | MarketsandMarkets |
| Google Android XR 正式上市 | 2026年下半年 | Google I/O 2026 |
二、為何 AI 眼鏡對醫療 CIO 至關重要？
醫療場域長期面臨一個根本矛盾：臨床人員需要即時的資訊支援，但取得資訊的過程走回護理站、登入電腦、查閱病歷本身就是打斷臨床判斷的最大阻力。AI 眼鏡提供的，正是「零位移、零中斷、零手持」的資訊存取革命。
對醫療 CIO 而言，這不僅是一款穿戴裝置的採購決策，而是整個臨床資訊流動架構的重新思考。當醫師戴著 AI 眼鏡走進病房，Gemini 等多模態 AI 可在視野中疊加病患生命徵象、用藥記錄、過敏史，甚至即時辨識傷口狀況並建議處置方向這是 HIS（醫院資訊系統）與 AI 的全新整合模式。
Google 共同創辦人 Sergey Brin 在 Google I/O 2026 明確指出：「眼鏡是 AI 最完美的硬體載體。」這句話對醫療場域而言，具有深刻的戰略意涵。
三、智慧醫療的六大落地應用場景
（一）手術室輔助：外科醫師的第三視角
外科醫師在手術過程中，雙手長期被手術動作所佔用，無法隨時調閱醫療影像資料。AI 眼鏡可透過語音指令即時調閱 CT/MRI 影像、手術紀錄或解剖參考圖，並支援術中即時串流給遠端醫師進行會診指導。更重要的是，AI 眼鏡可在術中提供重要的步驟提示與警示，降低人為疏失風險。
（二）急診快速分診：視覺識別加速臨床決策
急診室是醫療資訊最混亂、最急迫的場域。因此當可以用 AI 眼鏡結合病患手環或條碼識別，護理師在接觸病患的瞬間即可自動取得既往病史、過敏資訊及緊急聯絡人，大幅縮短分診時間。對於無法清楚表達病史的昏迷或失語病患，此功能更具關鍵性意義。
（三）遠端床邊教學：第一人稱視角的醫學教育
AI 眼鏡可將主治醫師的第一人稱視野即時串流給實習醫師或遠端醫學生，打破傳統床邊教學「擠在病床旁」的限制。遠端指導臨床醫師可即時在視野中標示重點，實現真正的「所見即所學」。此功能對偏遠地區醫院的遠距醫療教育，具有重要的平權意義。
（四）護理用藥查核：零接觸的雙重確認機制
護理師執行藥物給付時，AI 眼鏡可自動辨識藥物條碼，與醫囑資料進行即時比對，在給藥前發出確認或警示。這項功能在多重用藥的高齡病患照護中尤為關鍵，可有效降低用藥錯誤率，建立零接觸的第二道安全防線。
（五）跨語言即時溝通：消除醫病語言障礙
台灣醫療體系服務的外籍病患、新住民及原住民族群持續增加，語言溝通障礙直接影響醫療安全。AI 眼鏡的即時翻譯功能，可將對話即時轉換為多種語言，讓醫護人員與病患之間的資訊傳遞更準確，有效降低因語言誤解造成的醫療糾紛。
（六）AI 輔助視覺診斷：讓每個臨床現場都有 AI 眼
AI 眼鏡的攝影鏡頭結合影像辨識 AI，可在臨床巡房過程中自動偵測皮膚病灶變化、傷口感染徵兆及壓瘡前期症狀，輔助第一線醫護人員的視覺判斷。結合後端大型影像 AI 模型，可提供初步的鑑別診斷建議，作為臨床決策的輔助參考。
| 應用場景 | 核心技術需求 | HIS整合需求 | 導入優先度 |
|---|---|---|---|
| 手術室輔助 | 高畫質串流、語音控制 | 影像系統（PACS） | ★★★★★ |
| 急診快速分診 | 條碼辨識、即時資料庫查詢 | 急診 HIS | ★★★★★ |
| 遠端床邊教學 | 低延遲串流、AR標示 | 教學管理系統 | ★★★★☆ |
| 護理用藥查核 | 藥物條碼辨識、AI比對 | 藥局系統/eMAR | ★★★★★ |
| 跨語即時翻譯 | 多語言LLM、低延遲語音 | 病患基本資料 | ★★★☆☆ |
| AI輔助視覺診斷 | 影像AI模型、邊緣運算 | 電子病歷（EMR） | ★★★★☆ |
四、國內外實際應用案例
案例 01：美國華盛頓大學 — AI 穿戴式攝影機防藥物錯誤（2024，npj Digital Medicine）
2024年10月發表於《npj Digital Medicine》期刊的里程碑研究，為 AI 穿戴式視覺應用於醫療安全提供了強力學術背書。
‧研究規模：2 家醫院、17 間手術室、13 位麻醉科醫師配戴頭戴式攝影機
‧資料集：418 次藥物抽取操作，4K 高畫質影片
‧AI 技術：深度學習影像辨識（PyTorch框架），辨識藥瓶標籤與針筒標籤
‧關鍵成果：
- 靈敏度（Sensitivity）：99.6%
- 特異性（Specificity）：98.8%
- 超越麻醉科醫師所設定的 95% 準確率目標
研究指出，藥物給付錯誤是臨床中最常見的嚴重事件，發生率估計在 5-10%，其中約 12% 導致重大病患傷害或死亡。
【CIO 啟示】此研究直接為用藥安全場景的 AI 眼鏡導入提供了科學依據，醫療 CIO 可將此列為最優先的先導計畫場景。
案例 02：日本 NTT 東日本 — AR 眼鏡遠距手術支援（持續推進）
日本 NTT 東日本與多家醫院合作，推動以 AR 眼鏡為核心的遠距手術支援系統，結合 5G 低延遲網路，讓都市醫療中心的資深外科醫師即時指導偏遠地區醫院的手術團隊。
此模式充分體現 AI 眼鏡解決城鄉醫療資源不均問題的潛力。台灣同樣面臨偏遠地區醫療資源匱乏的問題，此模式具有高度的複製參考價值。
【CIO 啟示】台灣偏遠地區醫院與部落衛生所可透過 AI 眼鏡建立「遠距主任醫師制度」，透過低延遲 5G 網路，讓醫學中心的資深醫師即時支援偏鄉醫療。
案例 03：台灣 — 5G 垂直應用試點與在宅急症照護（2024-2026）
台灣衛生福利部健保署於 2024 年啟動「在宅急症照護試辦計畫」（Hospital at Home, HaH），預計 2026 年進入成敗關鍵期。台塑生醫已在部分社區導入遠距照護中心，結合智慧手環與雲端平台進行長者生理監測。
另一方面，台灣政府在推動 5G 垂直應用過程中，已邀請電信業者針對 AR 眼鏡在醫療領域進行先導試驗，同時台廠宏達電（HTC）也推出首款 AI 眼鏡 VIVE Eagle，顯示台灣在 AI 眼鏡的軟硬體整合上具備完整的本土產業鏈優勢。
【CIO 啟示】台灣已具備推動 AI 眼鏡醫療應用的政策、技術與產業條件，醫療 CIO 應把握此時間窗口，主動與電信業者、AI 眼鏡廠商及政府機構建立三方合作機制。
五、CIO 的整合挑戰：三道關卡
AI 眼鏡進入醫院，技術採購只是第一步，更大的挑戰在於系統整合。醫療 CIO 需面對三道核心關卡：
（一）與 HIS/EHR 的資料介接：FHIR 是關鍵
AI 眼鏡要即時顯示病患資訊，需要與院內 HIS（醫院資訊系統）或 EHR（電子病歷）進行即時連結，這涉及 HL7 FHIR（快速醫療互通資源）的標準化程度與院內 API 架構是否成熟。目前多數台灣醫院仍在 FHIR 導入初期，醫療 CIO 必須將 AI 眼鏡視為加速 FHIR 落地的推動力，而非等待時機成熟再考慮。
（二）資安與個資合規：Edge AI 是解方
眼鏡攝影機在院內全時段運作，涉及病患肖像與隱私的法規敏感性極高。醫療 CIO 需建立影像本地處理（Edge AI）機制，確保病患識別資料不上傳公有雲，符合《醫療法》及《個人資料保護法》規範。同時，需建立院內 AI 眼鏡使用政策，明定哪些場域可使用、哪些場域須限制。
（三）臨床工作流程重新設計：以人為中心的導入
再好的技術，若不符合醫護的臨床習慣，終將淪為閒置設備。醫療 CIO 必須在導入前進行深度的臨床工作流程分析（Clinical Workflow Analysis），與醫護人員共同設計 AI 眼鏡的互動邏輯，而非直接套用消費市場的操作模式。建議設立跨科部的「AI 眼鏡臨床工作坊」，讓醫護人員成為設計的共創者而非被動接受者。
【CIO 行動建議：AI 眼鏡三階段導入路徑】
● 第一階段（2026年Q3-Q4）：啟動先導計畫
‧選定急診或手術室為概念驗證場域（POC）
‧評估技術可行性、資安合規性及臨床接受度
‧同步推進 FHIR 標準化進程
● 第二階段（2027年）：系統整合與擴大試點
‧完成 AI 眼鏡與 HIS/EHR 的標準 API 介接
‧擴展至護理病房用藥查核與床邊教學
‧建立院內 AI 眼鏡隱私政策與使用規範
● 第三階段（2027-2028年）：全院部署與外部複製
‧全院規模部署，建立 AI 眼鏡使用效益評估機制
‧將成功模式輸出至集團醫院或合作醫院
[ 閱讀更多 黃冠凱 的專欄文章 ]
六、結論：現在最危險的，是等待
回顧智慧醫療的演進歷程，每一次基礎設施的革新從紙本病歷到電子病歷、從有線到無線網路、從桌機到行動裝置都曾面對「這真的有必要嗎？」的質疑，但最終都成為不可或缺的日常。AI 眼鏡的軌跡，正在重演這個過程，而且速度更快。
台灣醫療體系在資訊化程度、全民健保資料整合、臨床研究能量方面，具備全球少有的優勢條件。若能在 AI 眼鏡與醫療 HIS 的整合應用上率先突破，台灣不僅能提升本國醫療品質，更有機會輸出「AI 眼鏡智慧醫院」的整合解決方案，成為全球智慧醫療的標竿。
對醫療 CIO 而言，現在最危險的，不是太早布局 AI 眼鏡，而是等到競爭者已全面落地，才開始思考這個問題。眼鏡上的 AI 革命，正在臨床現場倒數，請問您的醫院準備好了嗎？
(本文授權非營利轉載，請註明出處：CIO Taiwan)
