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.13 - 生成式AI在醫療場域的機會與挑戰：來自第一線專家的觀點與調查洞察
2025年 6 月 30 日, 聯盟電子報
過去十年間，人工智慧在醫療領域的應用歷經從幻想、懷疑到實證的轉變。生成式 AI，特別是以大型語言模型（LLM）為核心的系統，正展現其在醫療知識處理、語境理解、病例摘要、患者溝通及決策支援等任務上的應用潛力。
今年4月11日，DHT 與CIO Taiwan攜手合作，發起了《醫療產業 LLM 導入與應用現況調查》。我們希望透過來自第一線醫療資訊長與決策者的實務回饋，更貼近台灣醫療場域在導入生成式 AI 過程中的真實情況與挑戰，進而為未來的政策建議、系統整合與臨床落地提供更具依據的洞察與方向。
本次調查涵蓋全台 13 個縣市的醫學中心、區域醫院及診所，共獲得 97 份有效回覆。我們從中觀察到，不論是對生成式 AI 的期待、應用策略，還是治理機制的發展，都已悄悄在醫療現場發酵。
一、導入現況：LLM導入日益普及，大型醫院領先推動
調查結果指出，受訪單位主要來自於區域醫院及醫學中心。此外，過半醫療機構已啟動生成式 AI 導入或測試，且以醫學中心與區域醫院的行動最為積極，地區醫院與診所則相對保守。若觀察地區差異，台南、台中、嘉義等中南部城市已導入或測試中比例高於該縣市整體平均，可以發現這波 LLM 技術應用的浪潮不侷限於北部，中南部城市的大型醫院也積極投入。
二、應用場景：醫療紀錄摘要與病歷檢索最受青睞
在實際應用層面，整體受訪單位最看好其在醫療紀錄摘要（75%）與病歷／知識檢索（64%）兩大場景的應用潛力，其次為病患衛教（63%）、行政文件處理（58%）與臨床決策輔助（53%），這些重複性高、資訊量大的任務，正是 LLM 擅長處理的領域。臨床人力有限、行政工作繁瑣，是我們醫療現場的日常，而生成式 AI 在這些任務上的導入，正逐漸發揮改善工作負荷的實質效益。
三、效益觀察：初步成效顯現，導入動能持續增強
在效益觀察方面，已導入及測試中的單位高達71%已獲得初步效益，並有64%表示將在未來一年進一步擴大應用範圍。值得注意的是，即便尚未導入，高達90%認為 LLM 具備潛力，並有27%正規劃未來一年將首次導入LLM技術，顯示醫療單位普遍對該技術持開放與期待態度。
四、風險及標準建置：資安與模型幻覺為最大隱憂，管理標準未健全
隨著生成式 AI 技術在醫療領域迅速滲透，其帶來的創新機會備受關注，然而伴隨而來的制度性風險亦不容忽視。多達 75% 的受訪單位認為資安與病人資料外洩是導入生成式 AI 最大風險，其次則為模型幻覺（59%）。此外，內部維運人力不足（44%）、導入成本壓力（43%）與法規與倫理限制（33%）亦是多數機構面臨的實際挑戰。
然而在制度與標準建置層面，仍有 44% 的醫療單位尚未啟動任何內部治理規劃。即使是在已導入或進行測試的單位中，僅有 17% 制定正式管理文件，多數仍處於草擬與討論階段。這一現象凸顯出台灣醫療體系在技術應用與制度設計之間出現落差，應用速度遠快於風險治理與標準制定，這是我們需要共同努力補足的一環。
五、部署模式與團隊配置：在地建置與雲端並行，專責團隊仍較不足
在生成式 AI 技術逐漸進入實務階段之際，LLM 的部署策略呈現多元化。根據本次調查，整體以在地部署（27%）為主，以加強對資料的控管與資安把關; 另有23%的受訪單位傾向雲端API部署，例如採用 OpenAI、Azure 等外部服務。此反映出各單位根據自身考量在效率與安全之間進行不同部署策略。
在專責人力層面，整體傾向由既有資訊部門或臨床部門兼任（57%），僅有15%具備涵蓋技術與醫療端的完整 LLM 專責團隊。已導入/測試中單位也以由既有資訊部門或臨床部門兼任為最多，這表示在推動技術導入的同時，也需要更多專業人才的培育與資源支持。
六、整合系統的挑戰：資料格式與介接問題成關鍵瓶頸
生成式 AI 若期望能在醫療體系中發揮長期且可持續的效益，其前提必須是能夠順利整合進既有的資訊系統。調查結果發現，高達 60% 的受訪單位認為資料格式與結構不一致為導入 LLM 的主要障礙，而系統介接困難或缺乏 API 支援（54%）與技術與人力資源不足（54%）亦為關鍵問題。顯示若無法從底層資訊結構與系統整合層面進行改革與標準化，即使技術成熟，也難以真正實現規模化應用。
從導入到管理，台灣醫療生成式 AI 的關鍵轉捩點
本次調查讓我們看到台灣醫療體系正處於生成式 AI 發展的關鍵轉折期，整體產業已由「Conscious AI（萌芽階段）」逐步邁向「Ready AI（就緒階段）」，部分醫療機構更具備邁入「Scaling AI（擴展階段）」的條件，顯示醫療機構已不再只是觀望者，而是實踐者、創新者。
然而，生成式 AI 若要真正融入臨床流程，制度配套與治理機制是關鍵。台灣若能及早佈局，不僅能掌握效率紅利，更有機會成為亞太智慧醫療與負責任 AI 的領先典範。DHT聯盟將持續整合產學研資源，推動資源整合、治理架構與人才培育，協助醫療場域穩健導入AI技術。期待大家共同攜手前行，讓技術成為醫療照護的助力。