隨著大數據、雲端、人工智慧、穿戴式裝置等技術發展，加上許多人工智慧協助醫療診斷、預測及照護的實驗成果陸續發表，當前也有非常多的醫療服務環節導入AI，但是直接將AI應用在醫療臨床流程卻是屈指可數，甚至成效也不甚讓人滿意，原因到底出在哪？
本期電子報從醫療現場到整體產業的發展，提供三篇不同的觀點，除了有台灣醫療環境的困境之外，也有臨床資料庫的 AI 發展挑戰，以及如何應用台灣既有的資源，逐步發展醫療產業的期許。邀請對智慧醫療有興趣的讀者一起集思廣益。
嚴峻的疫情下，許多AI論文及應用成果陸續出現，例如透過肺部影像輔助判別是否染疫；或協助監測並預警病人的生命跡象。乍看以為人工智慧已能順利應用於醫學上了，但是，台大醫院智慧醫療中心副主任李建璋認為，從醫療實務的經驗，人工智慧要能實際應用於醫學上仍有一段距離，最大原因不在演算法而在資料。為什麼這麼說？
數位醫學已成為醫學期刊與研究的重要議題，過去二、三十年，醫學界歷經漫長的資訊數位化過程，如今也有顯著的成果，那麼加入人工智慧的醫療會是什麼樣貌？面臨什麼挑戰？國立陽明交通大學數位醫學暨智慧醫療推動中心主任楊智傑認為，讓醫療人員在在短時間內進行龐雜資訊的判斷，並且導入到臨床流程，才是智慧醫療最重要的任務。
生病時就醫，我們期待先進的醫療技術能提供精準的診斷與準確的治療或下藥方針，讓病人在最短的時間康復。但不斷進步的科技，不只想治癒疾病延長人類的生命，更進一步要幫助人類降低生病的風險，建立健康大數據永續平台。除了技術與數據，台大前校長楊泮池認為，還得需要以下五大條件支持。
現代社會中，人人重視「隱私」與「安全」，手機的人臉解鎖、社區監控入侵者的保全系統、家中照護老人小孩的遠端攝影機，顯示出我們對智慧安全監控的無法割捨。6/24由MakerPRO自造達人社群聚落所主辦的「打造高效、精準的 AI 安防監控」，將分享如何訓練AI進行影像自動分析、識別、跟蹤與理解，並應用在各種場域之中，甚至是進一步的優化來確保高效、穩定以及精準的AI安防監控。十分適合對於AI 數據如何引入安防應用有興趣的讀者。
