醫療 AI 的「入流」挑戰：深度簡化 贏得信賴

智慧醫療自AI風潮席捲全球之初，就是人工智慧應用發展的重點領域，對於台灣而言，健保資料庫以及高品質醫護水準，更被視為發展AI醫療的優勢。在人工智慧科技基金會舉辦的產業論壇中，也特別安排醫療專場，由TWS台灣智慧雲端服務公司策略長李立國、中國醫藥大學附設醫院大數據中心副院長郭錦輯，以及智齡科技創辦人兼執行長康仕仲，共同探討AI醫療的轉型與助力。

醫療AI發展困境：驗證週期漫長與法規窒礙難行

儘管台灣在AI人才培養上投入大量資源，但根據AIF的「2025台灣產業AI化大調查暨AI落地指引」調查顯示，企業AI導入比例近三年來並未顯著成長。TWS策略長李立國指出，AI若無法創造新的經濟價值，其效益便難以評估；而若是缺乏效益的具體評估，很容易使得「百工百業用AI」成為一個偽命題。

郭錦輯以其在醫療AI領域超過十年的經驗，點出台灣醫療AI面臨的兩大痛點。首先，產品的驗證週期極為漫長。他以中醫大通過的一項心臟肥大AI產品為例，可以拆解成約30個臨床驗證站點，而僅一個站點的開發就耗時五年；若要涵蓋所有站點，可能需要150年。他形容，這個過程猶如「騎著輪子是正方形的一台腳踏車」。

他強調，醫療AI不僅需通過FDA或TFDA等官方認證，還必須在真實世界中進行臨床效能試驗，證明其功效與安全性，這使得開發成本與時間都極為高昂。若無法進行制度創新或驗證設計，將嚴重限制AI醫療技術的規模化應用。

其次，數據治理與法規的模糊性也容易成為產業發展的阻力。郭錦輯直言，醫療數據相對敏感，必須取得病人的知情同意書並符合法規，這使得醫院使用數據進行研究的成本極高。他舉例，中醫大為進行AI研究，請所有患者重簽所有同意書，如此巨大的工程並非所有醫院都能承受。他認為，若法規不明確，阻礙了醫療數據上雲，將讓台灣在AI領域的競爭力大打折扣。

康仕仲則從新創角度提出，台灣業者對於數據上雲普遍存在「資料共享會被盜用」的疑慮，導致AI產品難以推廣。他認為，政府若能建立類似「駕照」的標準化認證機制，讓AI產品通過審核，醫療院所便能更安心地採用，而無需自行承擔風險。

「入流」的關鍵：深度清潔與流程簡化

同時，郭錦輯特別提出，要讓AI在醫療體系中成功進入常規工作流程，必須將其打造成能夠「簡化」現有工作流程的工具，也就是「絕對減法」原則。他認為，任何會增加醫護人員額外負擔的AI功能都是不可行的，因為醫護人員的工作已是24小時全年無休，時間壓力極大。若AI的加入無法減少現有的工作步驟，還需要醫護人員多花時間確認，那麼這個AI就失去了存在的價值。

醫師具有極高的專業自我認同（Ego），若AI不能簡化流程並提供實質幫助，就難以贏得信賴。因此，AI的開發不應只著重於「深度學習」（Deep Learning），更應專注於「深度清理」（Deep Cleaning），即優化工作流程，將層層加法變成減法，才能讓AI真正融入醫護人員的工作日常。

政府與企業的協作方向：打造信任生態系

面對AI醫療發展的挑戰，與會專家們共同呼籲政府與企業應攜手合作，建立一個能夠信任的AI生態系。

政府主導的數據共享平台： 李立國建議，政府應從國家層面主導，建立一個可信任的數據管理機制，合理收集產業數據並訓練出產業模型。這樣，中小企業無需擔心數據被盜用，也能享受到AI帶來的效益。

標準化認證與法規鬆綁： 康仕仲認為，政府應將AI產品的認證流程「普通化」且「標準化」，降低新創公司的門檻，並讓醫療機構在採用時能減輕責任負擔。郭副院長也強調，法規的模糊性是阻礙發展的最大因素，政府應明確政策，讓醫療數據上雲變得可行。

人才培育： 郭錦輯指出，台灣目前缺乏能結合工程師與領域專家的醫療AI人才，呼籲政府應建立真正培養此類複合型人才的機制。

AI醫療的未來展望：從醫院走向社區

儘管挑戰重重，與會專家們對AI醫療的未來仍充滿期待。康仕仲表示，智齡科技正在開發「陪伴式AI」，將醫生的醫囑延伸到家庭與社區，讓長輩在家也能獲得妥善照護。郭錦輯也認為，未來的AI醫療將不再只依賴傳統的病歷數據，個人的生活風格數據（如睡眠、活動）將成為新的資料來源，為精準健康管理帶來更多可能性。

AI的應用正在改變醫療照護的流程，並為弱勢族群提供更迅速完善的服務。然而，要充分發揮台灣在AI醫療領域的潛力，仍需政府、企業與學研界共同努力，克服法規、數據與人才的挑戰，讓AI從一個實驗室裡的技術，真正轉變為能夠簡化流程、創造價值、贏得信任的實用工具。