在專題〈以人為本的智慧轉型－醫療專業與 AI 的協作〉中，現場氣氛被一句提問點燃——「當飛機遇上高空亂流時，你希望機師是人類還是 AI？」 多數人仍選擇相信人類。主持人、《數位時代》總編輯 王志仁 指出，這份直覺正呼應了醫療的本質：AI 的價值在於協助，而非取代。
他進一步舉例，曾被寄予「人工智慧醫生」厚望的 IBM Watson Health，最終因無法完全理解臨床脈絡、演算法過度依賴資料品質，以及醫師對結果缺乏信任，在 2022 年被迫出售。這一案例顯示，醫療的核心不在於演算精度，而在於人與人之間的信任與判斷。
（王志仁強調，AI 在醫療領域應被視為「助攻者」——協助醫師提升效率、減輕負擔的夥伴，而非取而代之的主導者。圖片來源：CSRone 永續智庫）
隨著醫療體系面臨人力短缺與臨床負荷過重的挑戰，AI 不僅是技術創新，更是支撐醫療永續的關鍵力量。本專題聚焦 AI 如何成為醫療專業的協作夥伴，探討科技在醫療中的定位與目標，並從人機協作與信任建立出發，回歸「以醫護為本」的核心，推動以人為主導的智慧轉型。
衛生福利部中央健康保險署副署長 龐一鳴：以數據標準化與沙盒機制，打造 AI 協作的基石
中央健康保險署副署長龐一鳴 指出，臺灣健保體系擁有全球罕見的數據優勢。這得益於健保制度在 1995 年、正值 Windows 95 掀起 PC 浪潮時成立，從第一天起便建立起強大的「資料流」，而非僅有「金流」。相較於日本更早啟動的制度，臺灣因起步於數位時代，奠定了資訊化的先天優勢。
目前，健保署正積極推動 AI 協作的基礎建設，核心在於導入 FHIR（Fast Healthcare Interoperability Resources，快速醫療照護互通資源）、LOINC （Logical Observation Identifiers Names and Codes）等國際醫療資訊標準，讓資料的顆粒度更精細。他舉例說，這將使過去僅以「血糖檢查 30 元」呈現的申報資料，轉化為具臨床意義的「飯前、靜脈血、mg/dL」等精確數據，讓資料更能支持臨床與政策決策。
龐副署長進一步分享一個具代表性的 AI 應用案例，展現「以人為本」的管理思維。健保署利用大型語言模型（LLM）分析肺切除手術的病理報告，發現不同醫院、甚至同院內不同醫師的病理陽性率差異顯著。健保署隨後寄信給相關醫院院長，信中附上各醫師的數據，並強調目的不是懲罰，而是促進內部檢討與流程改進。他說：「我們寄信的目的是，希望院長拿著這封信去了解問題出在哪裡，讓以後的病人不要白挨這一刀。」這正是 AI 作為醫療品質改善「助攻者」的實例。
展望未來，龐副署長坦言，AI 導入最大的挑戰在於「如何融入流程」。為此，健保署將啟動 沙盒機制（Sandbox），開放健保的「場域（field）」與「資料鏈（data chain）」，讓產業界或部會能自籌經費，在真實情境中驗證 AI 應用。同時，也正推動成立專責的 醫療科技評估（HTA）法人，未來所有 AI 應用都須通過 HTA 評估。他強調：「無論科技多新，我們只看它能帶來多少健康效益。」
（衛生福利部中央健康保險署副署長 龐一鳴。圖片來源：CSRone 永續智庫）
大阪大學醫學部附設醫院 AI 醫療中心副中心長 川崎良：從低風險、高體感的應用建立人機信任
川崎良教授分享了大阪大學醫學部附設醫院（下簡稱：阪大醫院）自 2018 年啟動的「AI 醫院計畫」推動經驗。他指出，在 ChatGPT 爆發前，大眾對 AI 仍相對陌生，因此團隊選擇從「低風險、高體感」的場域切入，優先解決病患、醫護與行政人員的實際需求。例如在 COVID-19 疫情期間，醫院導入結合體溫監測的人臉辨識門禁與自動導航輪椅，取代人工檢查並降低人員接觸，具體展現了 AI 在臨床運作中的輔助價值。
秉持「以病患為本」的核心理念，阪大醫院於新院區推出一款整合型 App，提供院內導航、預約報到、檢驗提醒、門診叫號與行動支付等功能，大幅縮短病患排隊時間並減輕行政人員負擔。川崎教授指出，AI 已存在於你我生活中，從這些「高體感」的應用出發，正是建立醫病雙方對 AI 信任感的起點。
隨著技術進步，團隊亦導入大型語言模型（LLM）協助醫病溝通，嘗試將冗長、充滿專業術語的手術同意書或衛教資料，摘要為病患易於理解的單頁內容，並觀察不同世代對摘要風格的偏好差異。此外，大阪大學正建置開放式醫療數據庫，計畫串聯 關西地區 28 家醫院、約 500 萬人數據，未來將開放給包含臺灣在內的國際企業進行 AI 模型驗證，展現推動跨國醫療 AI 生態系的企圖與實踐力。
（大阪大學醫學部附設醫院 AI 醫療中心副中心長 川崎良。圖片來源：CSRone 永續智庫）
林口長庚醫院院長 陳建宗：培養「懂 AI 的醫師」是實現臨床協作的關鍵
林口長庚醫院院長陳建宗坦言，他正是收到健保署「肺切除手術」通知信的院長之一，並認同 AI 分析揭示的臨床極限。他指出，長庚醫院正積極導入包括「Ion 支氣管鏡導航」在內的新技術，期望透過 AI 協作提高切片準確率，呼應健保署「避免病人白挨一刀」的目標。陳院長認為，AI 的價值不僅在輔助決策，更能解決醫療體系中「人力短缺」的系統性挑戰，實現「以醫護為本」的永續醫療。
他進一步分享長庚在流程優化上的 AI 實踐。長庚是全台首家全院區導入數位病理的醫院，AI 可協助病理科醫師快速篩選玻片，大幅提升看片效率；手術室則導入自動運送骨科重裝器械的「機器車」，有效減輕護理人員的體力負擔與職業傷害。此外，醫院也建置「數據中臺」，整合體系內十家醫院的資料，為未來 AI 臨床應用奠定基礎。
陳院長強調，要讓 AI 真正落地，「跨領域人才」是關鍵。長庚與人工智慧學校合作已逾七年，致力於培養「懂 AI 的醫師」。他指出：「要工程師學醫很困難，但醫師為了解決臨床問題，會主動學習 AI 的語言。」唯有醫師能與工程師「對話」，共同開發符合臨床邏輯、真正解決問題的 AI 產品，這才是人機協作的真正價值。
（林口長庚醫院院長 陳建宗。圖片來源：CSRone 永續智庫）
座談觀點交鋒：AI 導入的挑戰與信任建立
在專題座談中，專家們圍繞 AI 導入的現實挑戰展開深入對話。主持人王志仁率先提問：「健保署如何整合舊有資料格式（如 EDI）與新系統？」中央健康保險署副署長龐一鳴坦言，這就像「在臺大醫院舊大樓裡裝新冷氣」，困難重重，必須仰賴強而有力的領導（leadership）推動。他指出，健保署正積極導入 FHIR 等國際標準，以銜接過去的歷史資料，並宣布啟動「健保沙盒機制」，提供「場域」與「資料鏈」而非「經費」，讓產業能在真實世界中驗證 AI 的實際效益。
針對 AI 給付與支付制度 的挑戰，龐副署長表示，若健保仍停留在「論件計酬」（Fee-for-service）模式，新科技將難以導入。他以美國 Kaiser Permanente 採行「論人計酬」（Capitation）為例，說明其能迅速導入遠距醫療等新技術。未來 AI 給付將以「健康效益（Health Outcome）」作為主要評估標準。林口長庚醫院院長陳建宗補充，AI 的價值可分為兩類：一是直接提升「臨床效益」，如輔助診斷；二是改善「流程效率」，如病理科 AI 閱片。後者雖難以納入健保給付，但對緩解醫療人力短缺至關重要，兩者都應獲得重視。
談及人機協作的信任建立，陳院長分享長庚的實踐經驗。他指出，醫院持續培養具 AI 素養的醫師，使其能理解技術語言與應用邏輯，進而與工程團隊有效共創，讓臨床需求真正轉化為技術成果。
川崎良教授則強調，AI 雖已普及，但醫療應用仍須追求「近乎 100% 的準確率」。阪大醫院採取「低風險起步、逐步深化」的策略，先從病患服務 App 等低風險應用著手，建立信任基礎，再配合嚴謹的安全法規（Safety Net），逐步推進至高風險的診斷場域。
（圖片來源：CSRone 永續智庫）
面對 AI 浪潮，醫療產業以「協作」看待
本場論壇專題匯聚政策制定者、臨床管理者與學術研究者的觀點，共同勾勒「以人為本」的智慧醫療藍圖。與會專家一致認為，AI 在醫療領域的定位應是協作夥伴，而非取代者。
為實現此目標，中央健康保險署正從被動的支付者轉型為主動的治理者，透過建立 FHIR 數據標準 與 HTA 評估機制，為 AI 協作鋪設制度與數據基礎。而在臨床端，長庚醫院的經驗證明，成功關鍵在於投資「跨領域人才」，讓醫師具備 AI 思維與溝通能力，才能讓技術真正融入臨床流程。
正如日本阪大醫院的經驗所示，唯有回到「以醫護為本」的核心，從解決醫護痛點、改善病患體驗出發，才能逐步建立人機信任，讓 AI 成為應對人力短缺、提升醫療品質的關鍵助力。
（首圖來源：CSRone 永續智庫）
%20%E7%9A%84%E8%A4%87%E6%9C%AC%20(1).png)
延伸閱讀：
【專訪阪大醫院川崎教授】從 AI 醫院到永續醫療，日本如何打造人本醫療新模式
CSRone舉辦2025亞太醫療永續轉型論壇，逾200位領域嘉賓齊聚暢談轉型解方
《刺胳針》最新報告示警：不行動，健康將成為下一個崩塌的系統
醫療產業的淨零三部曲：從合規揭露到設計減碳，重構綠色供應鏈競局