最新消息
提供數位健康新創轉譯產學聯盟近期與企業、學術機構的研究合作，聯盟最新活動講座，以及產業最新政策法規與標準。
DHT 聯盟5月電子報 Vol.24 - 當基因分析與 AI 相遇：從 Tempus AI 數據護城河到臺灣罕病副駕駛之路
2026 年 5 月 11 日, 聯盟電子報
2026 年 NVIDIA GTC 大會上，黃仁勳與 Johnson & Johnson、Eli Lilly 等醫藥巨頭的合作公告再度引發產業熱議。從 Illumina 到 J&J，NVIDIA 兩三年來在「基因 × AI」賽道的佈局意圖極為明顯：誰能掌握高品質、多模態的醫療數據，誰就掌握下一代精準醫療的入口。本期電子報以 Tempus AI（NASDAQ: TEM）為國際視角引子，搭配 DHT MedTech Talk Podcast 最新一集，深訪 DHT 聯盟廠商會員康百事生物資訊研發長蔡鈺深（Eric），從臺灣實戰者的第一手視角，梳理基因分析新創如何在 AI 浪潮下，建立差異化的數據壁壘與臨床轉譯路徑。
一、Tempus AI：當「數據工廠」從笑話變成最深的護城河
Tempus AI 的故事是近年精準醫療領域最完整的「臨床痛點到平台生態」演進案例。創辦人 Eric Lefkofsky 是團購巨頭 Groupon 的共同創辦人，2014 年因為妻子被診斷出乳癌、深感醫療體系資訊斷裂的挫折，才轉身投入醫療科技。
Tempus 的商業模式可拆解為三大支柱，構成「診斷即數據，數據即服務，服務即應用」的閉環：第一層是基因組學（Genomics），透過 CAP 與 CLIA 雙認證實驗室提供旗艦產品 xT CDx 等檢測，覆蓋 648 個基因；第二層是數據與服務（Data and Services），將去識別化的多模態數據授權給全球 95% 的頂級藥廠，加速新藥研發；第三層是 AI 應用程式（Apps），包含讓醫師用自然語言調閱資訊的 Tempus One、研究員無需編程的數據平台 Lens，以及面向患者的 AI 健康管家 olivia。
最值得醫療科技創業者細究的，是它的「數據飛輪」（Data Flywheel）。Tempus 早期投入上千人力，做的卻是被同業嘲笑的「數據工廠」苦工：把雜亂的病歷人工轉成結構化數據。這在 AI 浪潮尚未堆疊的當時被視為笨拙的策略，如今卻成為其最深的護城河。截至 2025 年，Tempus 已累積超過 800 萬筆去識別化研究記錄，數據庫總量超過 350 PB，遠超 Mayo Clinic 約 50 PB 的規模。透過 2022 年收購臨床研究組織（Contract Research Organization，CRO）Highline Sciences、2024 年收購遺傳性癌症檢測公司 Ambry Genetics、2025 年收購數位病理 AI 翹楚 Paige（帶來近 700 萬張數位化切片），Tempus 已從體細胞變異延伸到 germline、再延伸到影像，建構出一個目標「疾病不可知論」（disease agnostic）的多模態 AI 精準醫療平台。財務面上，2025 年第二季營收達 3.146 億美元、年增 89.6%，調整後 EBITDA 虧損由前年同期的 3120 萬美元大幅收窄至 560 萬美元，盈利路徑日漸清晰。
二、康百事：從消費級檢測失靶到罕病副駕駛
DHT MedTech Talk 本期來賓蔡鈺深研發長（Eric），現任康百事生物資訊產品長。康百事的轉譯歷程，與 Tempus AI 在問題本質上高度重疊：如何讓生物資訊技術，被臨床醫師容易使用、並真正進入決策流程。
康百事最早期投入的是老藥新用（drug repurposing）的精益表現篩選（screening），試圖找出能逆轉特定疾病基因表現譜（gene profile）的既有藥物。這條路因為缺少臨床買單的客戶而失敗，公司被迫從頭來過。在投資方支持下，團隊回歸軟體專長，先承接各大單位的軟體代工與管線（pipeline）開發，後因 23andMe 的市場熱度，推出消費級基因檢測產品 Link App。轉折點發生在一位透過 Link App 臉書頁面聯繫上門的家屬：她的孩子患有視神經萎縮、發育遲緩與 Type 2 糖尿病樣的多重病徵，臨床上始終找不到原因。康百事團隊以全外顯子定序（Whole Exome Sequencing，WES）切入，最終為這位小朋友確診一種罕見遺傳症候群。從這個案例開始，康百事徹底從消費級轉向臨床罕病的精準診斷。
Eric 描述的工作模式，與 Tempus 的 Tempus One 概念遙相呼應：把生物資訊結果結構化、對齊臨床語境，讓醫師「容易理解、容易回饋」，自己則扮演醫師背後的「副駕駛」。透過與臺灣臨床醫師三年多的密切共創，產品經歷無數輪「不好用、那個也不好用」的反饋迭代，最終打造出專為罕見遺傳疾病經驗檢測設計的系統 Inherit Next。
許多人會直覺認為罕病市場太小。Eric 卻提出一個顛覆直覺的數字：以 7000 多種罕見疾病、平均盛行率（prevalence）2% 計算，全球罕病或遺傳疾病人口約 3 億人，臺灣數十萬，日本數百萬，每年新生兒中也佔有穩定比例。市場並不小，難的是「鄉間小路」的多樣性：康百事如何同時覆蓋這麼多種疾病？答案在於核心演算法。一個人的基因體中可能存在一百萬到三百萬個變異（variant），其中絕大多數屬於意義不明的變異（Variant of Uncertain Significance，VUS）。康百事的方法，是結合基因註解資料庫與表型驅動（phenotype-driven）演算法：醫師輸入病徵（如癲癇、發育遲緩、智能障礙），系統便能從海量變異中快速縮小至最有可能的致病候選清單，由醫師完成臨床判讀。
走完三年臺灣臨床驗證後，康百事選擇日本作為國際化第一站。日本人口基數大、罕病潛在病患穩定，且地緣相近。團隊參與日本年會、發表產品、找到種子用戶，再「一樣化糊塗」地陪伴當地臨床醫師解讀數據、討論報告，靠口碑滲透日本人類醫學遺傳學社群。這條路與 Nalu Medical 直球叩門 Medtronic 的路徑不同，更接近 Tempus 早期靠臨床信任滾出護城河的方式。
三、AI × 新藥研發：五大應用面向與 germline 數據的差異化壁壘
康百事在 2024 年獲得全福生技的策略投資後，將觸角從臨床診斷延伸至 AI 賦能新藥研發。Eric 系統化梳理了 AI 在新藥研發的五大應用面向：第一是靶點發現（target discovery），透過大規模數據探勘找出新的藥物作用位點；第二是生成式 AI（generative AI）的分子設計與優化；第三是臨床試驗設計優化與患者分層（patient stratification），用基因型篩選最有可能反應的族群以提高試驗成功率；第四是多體學（multi-omics）驅動的藥物開發，整合基因體學、轉錄體學、蛋白體學與電子病歷數據；第五是 N-of-1 試驗與數位對照組（digital control arm），結合 CRISPR 基因治療、反義寡核苷酸（Antisense Oligonucleotide，ASO）、circRNA、mRNA 疫苗等個人化分子設計策略。Eric 也提及 23andMe 因消費級基因檢測獲利艱困，最終被藥廠併購的關鍵，正是其累積的體學數據資產對藥物開發的價值。
康百事自身切入的，是第一與第三項。但更重要的是其差異化路徑：相較於 Tempus AI 主力建立的是真實世界數據（Real-World Data，RWD）與體細胞（somatic）腫瘤基因壁壘，康百事鎖定的是生殖細胞（germline）資料庫。團隊已累積約一萬筆病人基因體資料，正籌備結合生物庫（biobank）與健康人對照進行族群（population）研究，目標是解析單基因與多基因（polygenic）遺傳風險，特別是自閉症、阿茲海默症、心血管疾病等多基因背景的疾病。這是一條與 Tempus 互補、而非正面對撞的數據護城河。
四、本期轉譯關鍵洞察
綜合 Tempus AI 的國際案例與 Eric 在康百事的實戰歷程，DHT 聯盟提煉出以下幾點觀察，供聯盟成員與所有在精準醫療賽道上奮戰的創業者參考。
① 數據工廠不是苦工，是先發者的長期賭注
Tempus 早期投入上千人結構化病歷的決策，在當下被嘲笑、在 AI 起飛後成為護城河。願意在尚未被市場理解的時點，投入無法立刻變現的數據精煉工作，是建立壁壘的關鍵心法。
② 副駕駛模式比顛覆者模式更容易進入臨床
無論是 Tempus One 的對話介面，或康百事 Inherit Next 的表型驅動分析，都不直接挑戰醫師判讀權威，而是把生物資訊結果結構化到醫師「立即聽懂」的層次。新創若想進入醫療現場，副駕駛是比顛覆者更務實的姿態。
③ 罕見不等於小市場，多樣性反而是技術壁壘的來源
7000 多種罕病、全球 3 億人口的市場規模並不小，真正的進入門檻在於跨疾病的變異解讀能力。能用同一套演算法與資料庫覆蓋多種罕病，才是新創在「鄉間小路」上規模化的根本。
④ 差異化數據比數據總量更有商業價值
當 Tempus 已坐擁 350 PB 的多模態 RWD，後進者再複製同樣路徑只會落入規模戰。康百事鎖定 germline 與族群研究，建立可服務藥研患者分層與 N-of-1 設計的數據資產，是更可行的差異化選擇。
⑤ 國際化從在地陪伴開始，不是從通路開始
康百事進入日本，靠的是參與年會、找到種子用戶、陪伴當地醫師解讀每一份報告，再讓口碑在人類遺傳學社群擴散。這條路慢，但能複製臺灣三年共創累積的信任資產，比直接買通路更穩固。
⑥ 法規能力是被嚴重低估的醫療創業必修課
Eric 在反思「若重新創業最想學什麼」時，毫不猶豫選擇法規。產品再好，若不符合上市條件就不能賣；提前掌握現行法規與未來趨勢，能讓產品比同業更早插旗。這項技能在醫療新創創業課程中常被忽略，卻決定生死。
五、DHT 聯盟觀點：數據精煉與法規能力，是轉譯生態的雙輪
Tempus AI 與康百事，代表精準醫療轉譯路徑上兩種不同的時序與規模。一個從 2014 年起以「數據工廠」做長期賭注，再以連續併購擴展成全球平台；一個從消費級失靶回到臨床痛點，以三年共創打造 Inherit Next，再向日本複製副駕駛模式。兩者共同指向一件事：醫療數據若沒有經過轉譯與精煉，很難成為具有商業價值或社會影響力的資產。
DHT 聯盟存在的意義，正是在臺灣精準醫療轉譯生態仍在形成的階段，串聯學術研究、臨床場域、法規資源與產業夥伴，協助新創在數據精煉與法規佈局的雙輪上少走彎路。我們誠摯邀請各界加入聯盟，與我們一起讓臺灣的精準醫療創新走得更快、也走得更穩。
本期電子報所涵蓋的 DHT MedTech Insight 專欄文章《第二期：當基因分析與 AI 相遇 – Tempus AI》與 DHT MedTech Talk Podcast 訪談康百事蔡鈺深研發長（Eric），歡迎點擊連結深入閱讀與收聽。
【參考資料與延伸閱讀】
Tempus AI ：https://www.tempus.com/
康百事Inherit Next產品介紹：https://compassbioinfo.com/
全福生技投資康百事新聞稿：https://money.udn.com/money/story/5612/9211550
23andMe 被併購案新聞稿：https://mediacenter.23andme.com/press-releases/ttam-research-institute-nonprofit-public-benefit-corporation/