當超高齡化撞上 AI，
台灣醫療的四種解法

大家很清楚看到，幼年跟青壯年人口都在下降，老年人口持續增加，到 2070 年——其實在這邊的人數，哇，這條線都不見了——整個其實都等於達到這個〔數字存疑〕。這張圖（指投影片）本來有一個交接的地方，在 2070 年，整個人口數，就是 15 到 64 歲跟 65 歲以上的人數是相當的。所以這個超高齡化、超少子化，帶來非常大的挑戰。那我們國家要面對的，有這麼多——就這一張〔約 697 萬人？數字存疑〕——面對這麼多議題，其實就包括醫療、包括照顧，都是我們要面對的一些議題。

好，那為什麼這個（投影片）好像不理我？還是你們幫我按可以嗎？我說「下一頁」你們就幫我按。這一頁是要告訴大家，其實我們台灣整個跟韓國一樣，都是非常急速的這個 65 歲人口、極速的成長。那這個極速的成長跟日本不一樣，他們日本是比較趨緩的，所以這些（趨緩的國家）比較有足夠的準備時間。台灣跟韓國其實都是急速上升，所以我們相關要因應的就要更快速。

那這個部分，右邊就是我們長照 3.0 裡面推估出來的，按照最新的參數，這個 65 歲以上的老人失能率是 16.47%，我們推估出來的。那還有分低的（推估值），這個取高值就當作高推估，所以今年（2025）是 92.3 萬，到了 2035 年是 129.59 萬。那這個就是我們要面對的、有這麼多的人數。

那引伸之下，失智（dementia）也是一個讓我們大家非常擔心的，也覺得這件事情我們一定要早一點來做一些預防。所以從失智的——我們委託國衛院（國家衛生研究院）做出來的失智盛行率調查裡面，很清楚，65 歲以上這個失智的盛行率是 7.99%。從這個（年齡）分層的盛行率可以看得出來，越老這個盛行率越高，那從 85 歲到 89 歲就五個就一位了，那 90 歲以上就接近三個就一位。所以怎麼樣能夠讓這些失智的狀況，能夠在我們能預防的高峰（期）、怎麼樣來讓全民能夠理解。那 65 歲的盛行率，女性也高於男性，當然平均壽命女性也比較高，這個有關係。

那從失智的程度可以看得到，CDR（臨床失智評分）0.5 分及輕度佔四成，輕度加上去 65（%）——在這樣的比率裡面，因為我們希望能夠及早把這些可能有一些症狀出來的（個案）極早（找到），那找到之後、確診之後，就可以趕快使用資源。尤其是認知促進，讓他可以有一些社會參與，避免就調（惡化）到重度，然後也避免他失能。那這個部分也是需要全民運動，所以我們一直在推這個失智友善〔77？〕的政策，能夠普及大家對失智症的認識。

那好，那再來，這個也大家很清楚，2.0 我們就架構了。很重要就是 1966 這支專線，任何大家那個熱心一點，有聽到說有人家裡出了什麼狀況，趕快去撥 1966，那我們希望說能夠及早掌握到有需要幫助的人。好，那這個特別秀出來——進入 2.0 時期，也是從健康到重病末期，那我們 2.0 投入最多資源的就在橘色這一塊。那這一塊以今年編列的預算數，其實也高達〔635 億？數字存疑〕，那去年的決算數已經突破 500 億了。所以在橘色的這一塊，可以看得出來，因為使用的人越來越多，那我們相關的資源就必須要不斷地投入。

可是我們希望，剛剛用失智的盛行率來看，我們希望這個黃色的這一塊也是我們未來要強化的，把這個資源佈起來，讓我們剛剛講的 CDR 0.5 跟一分的（個案）能夠有機會就近來這些相關的據點，來參加一些活動，來增加他的社會交際。那這個是給付（的部分）。那這個部分就讓大家了解。

那因為今天是這個醫療科技相關的、跟輔具有關，其實我們在 7 月 1 號會有一個第二組「每三年給付 6 萬」會上路。那這個部分也感謝我們〔某〕公會全聯會（陳理事長）全力支持，否則我們當時第一時間想推全面的輔具的時候，是遭到非常大的反彈。感謝理事長能夠幫我們去化解這些——不管是製造商、還是店鋪、還是一些相關的產業，能夠願意投入，那讓我們在今年的 7 月 1 號就會上路。

好，那這個是我們整理了 2.0 期，從 2018 年一路到今年的 6 月，那我們可以看得出來，整個服務金額其實就是成長到 12.85 億元，那比 2018 年其實成長了 4.2 倍，那服務人次呢，其實成長了 10.6 倍，那這個數就給大家參閱。

好，那整個成果，這個成果其實真的是紮紮實實的成果。那這個部分也是在 2024 年蔡英文（前）總統的最後一年，其實是民意自己做（評比）的，不是任何人委託做的，做出來各項的施政滿意度，長照是 number one。那我們也覺得以此為傲，因為我們不管今天是中央到地方、跟我們的公私部門，大家齊力才有辦法創造出這麼好的一個成績，滿意度也是高達九成。好。

那整個 3.0，3.0 還是架構在 2.0 的基礎底下，那所以我們的願景是「健康老化、在地安老、〔安〕善終」。那八大目標，很重要的健康促進，剛剛講了這麼多的人逐漸老化，我們怎麼樣能夠讓他老得健康，而且老得能夠活得久也活得好，健康促進的目標一路到我們很重要（的方向）。現在各界各行各業在搶（人）攻，所以我們的人力也是我們一個很大的痛點，那怎麼樣結合智慧科技來減少人的負擔，這也是我們 3.0 要努力的目標。

好，那整個導入智慧照顧的策略裡面，我們就是分場域，包括剛剛講的這些相關健康促進的一些社區據點。在這邊，我們目前其實衛福部社家署（社會及家庭署）已經把所有的基礎的網路都布建好了，那其實也是跨部會合作。那未來也是要推動整個在有數位化的狀態下，可以引進一些相關的設備，讓這樣的一個社區的長輩，到了這個場（域）裡面，能夠隨時了解他的健康狀況。

那我們居家，就是剛剛講的今年 7 月 1 號上路的、智慧科技新增的輔具。那日照（日間照顧）、社區式的，我們透過獎勵計劃；那住宿式的，我們也透過一些品質獎勵計劃來提出。好，那這個部分就整個讓大家理解，這四個（場域）、四「包錢」（四種給付）。

那其實整個都是必須——想要使用、符合對象，所以就撥打 1966，就會有照專（照顧管理專員/照管中心）去做評估。那進行評估的部分，屬於簡易輔具，照專這邊就可以核定。那如果需要甲類評估人員評估的，就必須另外有甲類的、符合甲類資格的（人員）來評估相關居家無障礙跟輔具的需求。那只要取得——這邊很重要，就是一定要收到核定通知書，才到特約的單位去拿這樣的一個輔具器（材），所以只要付部分負擔，所有的這個就可以、這個輔具就可以帶走，那補助費用是由特約單位再跟地方政府（請款）。

那我們這個部分就是整理：第一組是「3 年 4 萬」，這個部分就是一般的（輔）具，大部分是屬於購置的，那有一部分是購跟租都可以。那居家無障礙，我們今年 7 月（1）號上路是「3 年 6 萬」，那「3 年 6 萬」智慧科技輔具全租賃，是全租賃的部分。那各類別的負擔，大概第三類就是我們講的一般戶，一般戶大概有三層的部分負擔，那限制（規定）——可以購置、或限制、或可以租跟購的，這個請大家參閱。

好，那智慧科技的居家的部分，就這五大類。那我們其實特別針對安全看視類，這個很重要，因為我們剛剛講了，有非常多的這些長輩在家裡面，他夜間需要有一個安全的事（防護）。那這個部分我們現在也看到市面上（產品），我們在進行審查，會讓它上架。好，那整個這個也要有輕量化〔逆向回收/輕量化，語意不明〕，這個都是相關的產業鏈現在也都已經處理了。那相關的評估的工具跟特約管理的機制，我們已經都跟地方政府（協調好了），那最重要這個查詢平台，查詢平台一定會在 7 月 1 號上路。

好，那整個它的效益，這個部分就讓大家了解、很重要：可以讓民眾他靈活調度需要，然後環保、資源可以共享，最重要活絡產業的發展。好，那日照這個部分就讓大家參考了，目前每年都大概有 20 到 30（家）可以進到這個競爭（型計劃），然後獲得（補助）看它的（量能/存量）〔語意不明〕。那住宿機構這個部分也讓大家參閱，那額度的部分，符合屬於資訊的建構跟智慧科技補（助），有指標三、指標四，那整個全額度、全部這個指標都達成的話，依據機構的規模數，有 101 萬到 240 萬，那也是這五大類。好，那這個是相關的指標，就供大家參閱。

好，那最後，這個賴清德總統的（願景），真的要打造所謂的「健康台灣」，那很重要就要做社會投資，那很強調的是醫療跟長照必須要無縫銜接，那（讓）我們能夠減輕家裡的照顧負擔。那這個部分，因為我們真的〔扶養/勞動〕人口是越來越少，怎麼樣透過政府的力量跟民間的力量，然後跟家人這邊共同——大家來把我們的長輩能夠〔孵/孵化〕出一個好的、活得久也活得好的、一個我們希望的健康老化的社會。那以上就報告到這邊，謝謝大家。

大家午安。今天來跟大家談剛剛市長提到的健康跟亞健康（sub-health）。其實亞健康這上面怎麼運用人工智慧，這方面我們也不一定很清楚。其實可以看到，我們講亞健康就是未病——胃病還沒發病的時候，你自己就知道，就像理事長說的「我現在酒量差了」，那就要小心一點。這就是我們從被動治療到主動管理，我覺得這是一個最重要的。

剛剛還沒講到那個事情有問題，沒有開玩笑。好，大家應該知道，2015 年《時代》雜誌（Time）告訴你：「This baby could live to be 142 years old.」142 歲。可不可能？我們的老祖宗藥王（孫思邈）傳說就活到 142 歲，未來可不可能？絕對可能嘛！AI 加 5G——現在不止 5G，現在更多的是什麼？6G，或者衛星這些，再加上奈米醫學、再生醫學。基因／假體〔語意不明〕不是太大問題。現在問題是什麼？剛剛市長說的：活那麼長幹什麼？我們現在活得長不是問題，活那麼長要幹什麼才是最重要的問題。所以這些都要大家一起。從大數據醫療到這些種種，我想問題都不大，問題是怎麼好好利用這些東西，這就是亞健康可以做的。

所以大家看看我們生病的過程：從你感覺有些問題、酒量差啦，跟醫生講一講，一直到最後你到醫院或者安寧，這整個過程其實都被數據記錄。那這些數據我們怎麼去分析、怎麼產生智慧醫療，就是 no data, no value, no intelligence，所以 AI 是最重要的。所以衛福部在這方面，健保署（健保署）把這些數據已經雲端化，做得相當好，所以我們叫做健保資料庫的醫療平台。

醫療過程當中，它的四個面向到八個重點，大家看核心就是從數據、從這個流通的效率，還有整個健康數據、健康資料的 ecosystem（生態系）變成很重要。所以從昨天到今天，大家可以看到，其實台灣除了第一座護國神山，第二座護國神山，大家應該都知道是我們的醫療。醫療的核心是什麼？就是這一套：我們的健保資料庫，從 1995 年一直到現在，全世界最好的一個數據庫；再加上我們的臨床，再加上我們的醫材（醫療器材），再加上我們這些 ICT 的整合，其實我們做得相當好。但接下來就是我們怎麼賣出去，這要看外貿學會（外貿協會），在這方面做得很好。

所以在這個醫療平權過程當中，大家可以看到跨部會、跨領域的東西都出來了。我們要講說我們東西怎麼賣出去——台積電可以賣得出去，那我們這些好的醫療、好的服務能不能賣得出去？這就是另外一個課題。所以從被動治療到主動管理，其實蠻重要的。從亞健康到精準，中間相當重要的就是增加你的健康。我們經常講，台灣好像很多人——80%——到最後七、八年都躺在床上，你看那個北歐的一些國家，很可能才一兩個月，所以我們希望增加我們的健康餘命是最重要的。

所以傳統醫療的代價是：錯失黃金時機、高昂貴的醫療成本、生活品質受損。我覺得這三個是我們從亞健康到疾病這上面最要注意的。那在這上面你要怎麼去定義亞健康？開玩笑說，你突然覺得睡眠不好、酒量不好了，你突然覺得你過敏，這些種種可能都是一個訊號、一個警示。所以無聲的威脅，大家可以看到，從睡眠失調、代謝失調到心理的壓力，這方面其實都是一個警訊，在你的身體上面都是一個 index。好，那你每次的健康檢查其實都有一些 index 給你，那你會不會發現？這是一個很重要的。

所以大家可以看到，剛剛市長已經講到，我們已經邁入超高齡（社會）了。那我們現在是出生數不如死亡數（死亡交叉），對不對？出生的人很少，死的人越來越多，類似像這樣，老的人越來越多啦。但是呢，高齡的支出費用卻是一般人的四倍。然後再來呢，這個可預防的關鍵期，就是說你可以預防的這個期間，可以降低你長期醫療的支付，所以你自己要感覺你自己的問題。所以高齡化的急迫性，大家就可以看得到，這沒問題。剛才市長也特別講到迫切性。

所以 AI 驅動預警的核心——預警的核心。大家看到，其實我們一直、現在大家一起，我們幫〔某〕院長加油。預警有沒有感到預期？有沒有感到那個預警、那個預警的時間，這相當重要。所以在這個上面，我們就看健康這樣，你能不能化為一個健康可靠的數據，中間隨時預警。所以現在很多醫院都有什麼遠距醫療、遠距照顧中心。我們手上帶的這些 sensor（感測器），很可能有一些族群的人都會帶這個 sensor 來做預警。類似像這樣子的預警核心已經產生了。所以在這上面就是靠 Big data、smart data 來做這件事情。這 data 可能在你的臨床記錄上面，可能在你的家庭醫師那邊，很多很多上面這些整合，所以 data 是最重要的。

那 data 最重要的過程當中，大家可以看到數據轉化成執行核心：我們怎麼讓這個數據了解你現在身體的狀況？所以現在有另外一個叫數位孿生（digital twin），把你的數據跟你這個人——把邦昌的數據、跟邦昌所有的記錄，還有邦昌活動的這些東西，整合在一起，來做所謂的虛擬的跟邦昌之間的關係。所以在這上面，技術上面就用預測模型，然後用所謂的 AI 模型去做這件事情。

做這件事情就用三大核心算法：deep learning、machine learning，就是基礎的核心，深度學習（deep learning）跟機器學習（machine learning）；然後不論從隨機森林（random forest）、神經網路（neural network）到集成提升（ensemble / gradient boosting）這方面，其實都是很好的預測跟分類，還有關聯這方面的分析。所以這個東西最重要是能不能解釋——解釋你現在的身體狀況。所以不論血壓、不論睡眠、不論心律、不論你活動趨勢，都可以去幫你做一些判斷，這就很好了。能夠幫你做判斷，就可以幫醫生做一個先前的篩選，告訴你有什麼問題。

所以現在比如說台北醫學大學〔附醫/醫療中心〕就有在做心血管，心血管這個病人，他就可以提示你：你邦昌很可能在未來會有心肌梗塞（myocardial infarction, MI）的機率，那你馬上過來醫院，類似像這樣子，這就是一個提示了。所以現在越來越多醫院在做這件事情，所以這可解釋信息很重要。寧願什麼？寧可多篩一百，也不要漏掉一個（寧抓不漏），尤其在心肌梗塞或相關這些疾病上面。

所以在這上面，實戰上面，台大醫神（台大醫院 AI），大家可以去看，台大醫神這廣告很好。就是台大的賴〔某〕教授〔姓名待確認〕，他建構了一個像這樣子的網站，透過機器學習大量的數據，作為個人的慢性病健康管理。越來越多像這樣子的諮詢服務出來。在這上面它驅動的——透過我們現在手上都有帶的這些，做一個慢性病的管控。然後 COPD（慢性阻塞性肺病），尤其肺部這方面 COPD 的管控；還有皮膚科這些，大家想皮膚科的這些過敏，可能又是一個警示跟警兆。這些種種都可以作為整個精準醫療跟智慧健康的一個平台。

那在這上面，所以持續採集這些數據，從數據的整合到風險評估，最後提供你醫生做決策——取代不了醫生，最後還是要醫生。我們院長在這方面就可以提供更多的判斷跟訊息，醫院就可以做出這樣子的判斷訊息。不只是醫院——不能任何東西都推給醫院，透過這些東西可以降低醫院的 loading，這樣子的決策資源就介入了。所以精準醫療可以降低這些風險。那慢性病這些東西，你就跟病共存，與病共存很好嘛，你不可能消滅疾病，與病共存是最重要的觀念。

所以在這上面 COPD 一樣，剛才講的台大醫神也一樣，降低急性惡化的可能性。COPD 可能沒辦法整個幫他治癒，但是你可以降低它急性惡化的可能性。然後再來憂鬱症，大概你沒辦法完全把它去除掉，但是你把它的環境、把它的狀況，甚至用藥、用環境、用他的學習這些，讓它降低下來。所以行為模式、生理指標跟各個人的基準，每個人都不同，降低它憂鬱症所產生的最後的新的結果。這些種種大家也在做這方面。

所以健康的三個支柱，大家可以看到：第一個，病情病症的監測很重要，監測就是收集數據——請記得收集數據，你現在不論從生理、心理這一種，用任何病症狀都要不斷地收集，你自己就要收集這些。然後再來健康定位器，其實我們現在大家所謂手上帶著手錶這些種，很多都是健康定位器，來做為健康的座標，然後自動生成。所以現在有些簡單的心律、簡單的血壓什麼這些，都會在你的手錶上面去做監測。然後再來目標設定，你假設有糖尿病，那你要自己設定好目標；假設你有高血壓，你就知道你是心梗，或者你是那種心血管疾病中間那個重大的客戶，那所以你自己要更小心，要設定這些里程跟目標。

然後再來呢，病症的監測、目標的設定，跟健康的定位，其實是互相相關的，所以你一定要相關去看這一些。所以你要建立你自己智慧健康的 ecosystem，你自己哦，這些數據對你來說比較重要。所以要串聯著醫院，要串聯著很多 ecosystem，包括保險公司啊什麼，你買的保險都要跟這些息息相關，因為將來你有病的時候要錢啊，沒錢萬萬不能。然後再來呢，這些 APP 是收集資料的東西，最後這些穿戴的 IoT 的資料幫忙收集資料，也幫你的醫生、也幫你的家庭醫生、也幫你那個醫院的醫生收集你現有的這些狀況。

那像這樣子的話，這三層結構中，產業的創新也很重要——醫材。我們理事長在這方面，台灣醫材公會、中華民國醫療器材工業同業公會，就做了很多很多事情，把台灣的醫材——台灣現在醫材全世界是很有名的，那醫材是最重要的。然後再來呢，醫材其實另外一方面，就是收集、整理、分析資料最重要的一個來源。然後最後全天候的感知，要不斷地收集你的訊息，這是最重要的。

這個就是零盲點的健康監測。其實這東西有一點像什麼？現在的購物台。購物台現在已經監測到你所有的消費行為——謝先生什麼時候買什麼東西，買這東西以後，接下來會買另外的東西，對不對？那你都知道啦，其實就是這個觀念。所以購物台現在有一個很重要的功能，我有時候跟那個東森的〔王令麟〕〔姓名待確認〕總裁在講，他說哦，我們的 call center 都是最好的「化療」機構。「化療」說話的話，大家知道很多老年人、高齡的人無聊就打電話，打電話以後就買一些東西，那兒女一直罵：「你買那麼多東西幹嘛？」他說：「你一年跟我講不到多少話，這些 call center 一個禮拜就跟你講了一年的話，跟我兒女講的一年的話。」所以這個「話聊」就出來了。所以這些零盲點的健康監測，其實我們現在的購物平台這些都已經做到，但實際上我們現在是收集健康數據，而不是你的消費數據一樣。

那在手機 APP 的數據中心，所以你要掌握你自己的這些數據，手機是最好的方法。再來你現在有所謂的這些智慧型手錶也是，這是一個最簡單的方法。然後再來共同建議，你要跟你自己、然後再跟你的家庭醫師還有醫院，共同建議你整個防禦生態系統。我現在每三個月都會抽（血）一次，抽完以後還沒等意識什麼？還等於意識告訴我自己用 ChatGPT 或〔J＝某 AI，待確認〕分析了一下，然後再跟醫師討論——監控跟醫師共同討論。我不是去考醫師哦，像很多醫師很不耐煩，是病人拿清單就來問我到底怎麼樣怎麼樣怎麼樣，好像要考醫師一樣。不是！是要跟醫師共同去討論你自己健康狀況。

我現在經常討論一件事情是什麼？我要預防我 dementia（失智），我不會當總統，所以沒有關係，但是我會預防我 dementia。但是我從這些指標來看看，我 60 歲左右，我現在的健康指數中間，我失智的機會是怎麼樣，那我就要跟醫生共同來做，也要跟產業界、生醫界什麼，這有什麼東西我可以預防 dementia，所以共同建築你自己的 ecosystem。然後再來呢，科技力量，一定要善用科技力量，把這些聯動在一起。

所以在這個上面，數字會說話，因為這樣子你絕對能夠提升你自己，從亞健康降低、延後你會生病的時間，延緩你老化、延緩你生病的時間。所以現在叫抗老化。抗老化不是你不會老化，你會老化，是減緩你老化。請記得你不會長生不老，你絕對會老，但是延緩你老化的時間、抗衰老。所以你要個人化的健康管理，其實變成最重要的。所以血糖趨勢是最重要的，大家知道血糖是一個沒辦法（避免的），我現在吃得好，對不對？血糖會高。所以在這上面隨著年齡一樣，你要怎麼從你的生活習慣、從你目前身體狀況、從你做事的這些行為中間，去看你血糖的問題。

所以就有一個智抗糖（Health2Sync），大家知道其實還蠻好的。對，智抗糖其實這也是很好的，所以大家就是其實就是幫你去了解、控制血糖的一些方法。類似這樣子的情形，它會告訴你有很多很多的情形，你的糖尿病要怎麼樣，所以它有會員。所以現在這種東西越來越多，智抗糖是台灣最大最好的一個網站，但現在有很多醫院也都有這樣子的服務。我只用這個，它可以告訴你怎麼樣控制糖尿病所產生的一些副作用，還有糖尿病對你的影響，這就是一個很好的，但是它不會讓你沒有糖尿病。好，請記得這一點事情。

所以未來的願景，就是該代——總統的、那個市長也報告總統——健康台灣，就是全民的智慧健康國家。那在這上面的三個里程碑，剛才大家（講到）突破數據孤島、隱私的問題，然後再來你的預測趨勢要越來越準確。所以大家可以看到，數據孤島就是我該漲（整合），要整合你的數據，整個健保的數據，整合很多的數據，才能夠整合你自己的健康。但是這個東西又會產生什麼？整合數據就會產生個人的隱私——幹嘛知道我今天買這個、明天又會買那個？你現在一天到晚的隱私都在洩漏，但是什麼隱私是可以整合、什麼隱私不能，那這個就要知道了。所以隱私就要靠區塊鏈（blockchain）去做這件事情。這方面現在越來越多醫療用區塊鏈去解決這個。

然後再來提升的演算法，這方面讓演算法的預測能力越來越好。那預測，我們在大模型這些，它可以做得越來越好，真的是越來越好。越來越好的過程當中，你不是親信它，但是你要善用它，然後當然你要懷疑它。可以做得越來越好的過程當中，該講的優化、這些算法會越來越精細、越來越快速、越來越好。

那再來多模態（multimodal），多模態就是現在有文字、聲音、影像、知識，還有一些臨床的數據，這些種種都進來了，這多模態。不是只有一個數據，不是我談話學的數據是 7.7 這種數據〔示意數值〕，不止，很多很多的文字、聲音，甚至影像、甚至 CT／MRI 的資料都進來了，把這些數據加以整合優化是最重要的。所以這些數據的整合融合，變成你整合健康的預警，其實相當重要。所以數據的整合是最重要。所以我剛才講到了，我們在國家（衛生）研究院合作的叫 digital twin，數位孿生的人，那就是說你自己有一個你的孿生兄弟，就是數據——你的 data，這是最重要的。

然後再來多模態在這方面的挑戰過程當中，很重要的還是數據的缺失啊、數據的準確性啊，還有數據的隱私性，就是這樣子。所以國際性的研究中間，透過大數據、透過這些中心，都在做這方面（疾）病的研究。然後隨機森林是一個最方便、最簡單的，幫你做判斷、分析、分類，那 COPD、糖尿病、血管都常用這個東西在做。然後在（其中）它用結構化的醫療數據，突破它在文字、聲音、影像這方面，然後可以做出更好的判斷、更精確的判斷。那在這上面神經網路幫你去做時序，你講睡眠的追蹤這些種，神經網路可以幫你去看這東西。

所以健康 2.0 的架構中間，很重要的是幫大家在公平性、透明性、責問性跟引性中間，得到一個完整的架構。所以未來還是倫理道德、法律這些問題。所以數位健康的落差，在於確保全民的利益。我不能只是偏鄉——我自己台北市好、偏鄉不好，類似像這樣子。大家在數位落差中間，能不能造成偏鄉的醫療，也透過我們剛才講的智慧醫療、智慧這些種，讓它做得更好。這些都是我為了這次演講準備的參考，大家有興趣去參加。

所以在這個（系統）導入，第一個就是基礎建（設），到所謂的規模化的拓展，到全民涵蓋。這個其實我覺得很快就可以達到，2030 其實台灣應該可以做成全世界的模範。那再來它的核心價值，其實就是《黃帝內經》已經說到的上、中、下，大家應該都知道，等一下會跟大家講到。所以從個人到社會的層面過程當中，你就可以支持到整個整合國家的資源，來做什麼？你自己健康，然後還可以社群這方面的整（合），那這很重要的。

所以預防是終極的解放，預防是終極的解放，任何東西都是一樣，你知道你自己有些問題、你不預防，那這個東西只會越來越糟，所以預防是最重要的。然後共同參與，共同創、共創健康，其實很重要的：個人行動、醫療夥伴，然後產業夥伴，然後到政策的制定，都息息相關，這就是我講的 ecosystem。那所以你能夠這樣子做的話，它成功的機率就會高，成功機率高的話，與病共存讓你越來越健康，那相對你老化的程度會延緩——不會不老化，而是你的死亡（時間）或你的健康餘命就會越來越長，觀念是這樣子。

所以大家可以看到核心層、數據層、應用層、生態層、影響層，就是我今天講的這個整個生態的架構。那大家想看，我們講到的就是要大健康。那未來以後，像理事長追求的是什麼？我們這個產業中間的商業模型。所以大健康的商業模型，大家可以看到在這個情況之下，所有的領域都進來了。精準健康有哪些？大家可以看到疫苗、精準，還有再生醫學、智慧科技，所有的智慧科技都圍繞著你的健康而來。

然後再來呢，在智慧醫療這方面，大家可以看到，我們現在因為我們 IC 產業這麼好，我們算力又很厲害、模型又很厲害，可以用 AI 一條龍的把你的健康分析得更好。然後再來醫療器材，我們在〔醫材公會〕理事長〔姓名待確認〕帶領之下，台灣醫療器材突飛猛進，而且做得相當好，甚至我們引進了很多外國醫療器材，然後在地化這些種。然後再來醫美，醫美其實大家都要漂亮，就是越老越漂亮。醫美很重要，其實不只是漂亮，醫美其實是一種延緩老化的一個步驟。

居家服務、居家照顧，剛講 1966，市長在，但跟他講 1966，就是你的居家服務、居家照顧，長照 3.0 時代的來（臨）。那保健食品，另外一個我們老祖宗的智慧——中醫。我今天要站場（台）：台大終於把中醫進去了，因為中醫跟西醫絕對可以互相幫（助）。食品、保健食品，食品覺得是最重要的。運動更重要，運動健身每個人一定要動，要活就要動，活動活動，要活就要動，一樣。那再來物流，我們現在物流、法律這方面，醫療的通路跟物流，我們怎麼建立醫療的通路跟那個 Uber——Uber medical，我們叫 Uber medical 都可以，我們要建立這樣子才有效，我們的物流才會通，那我們健康才會更好。

那在高（齡）化的產品會更多。以前是賺女人跟小孩子的錢，現在呢是要賺老人的錢。所以在這個（領域）銀髮（樂齡）的服務產品越來越多，保險也一樣，智慧長照也產生了。所以大家應該都知道，智慧長照這些 device 都出來了。另外保險業者也在這一塊，為什麼？保險一定要付錢，所以任何的東西，醫療這方面的保險一定要跟指數結合、AI 指數結合，比如說癌症啊什麼這些都一樣。

然後最後，大家可以看到預測未來——你要預測、要及時行動，現在的問題。大家這句話都很清楚，《黃帝內經》：「上醫治未病、中醫治欲病、下醫治已病。」在這過程當中，大家就可以看到，我們都希望從智慧生活、智慧科技中間，為我們的智慧健康、為我們的智慧醫療打下基礎，這都是。所以端、網、雲這方面已經都不成問題，就是未來的應用服務跟系統服務整合，對我們來講是最重要的。

未來的醫療進步，已經不是所謂的舊的進化論。舊的進化論是什麼？優勝劣汰、適者生存。那現在呢，一定是 AI＋HI（human intelligence，人類智慧）的創新突破，才能在醫療、才能在我們的健康上面創新突破，這才是真正的精準健康。所以我們要怎麼做？現在演講也是告訴大家的：創新突破，唯快不破。變化的速度太快，人家進步的速度也（很快），所以天下武功唯快不破（無堅不摧），唯快不破。在台灣這方面，我們一定要努力，在各個領域的合作之下，在我們有 IC 的基礎之下——以前是大魚吃小魚的時代，現在是群魚吃大魚的時代。一個人可以跑得很快，但是我們一群人可以跑得更穩。在外貿協會帶領之下，台灣一定可以衝出我們第二座的護國神山。

那我希望「變則存、不變則亡」，我們現在要真的好的改變，改變的過程當中就是我們要找到我們的通路，過程當中結合我們的 ecosystem，讓我們更健康，未來更好。謝謝大家。

副秘書長、還有理事長、謝謝教授，還有郭院長，還有各位在場的來賓，大家想好。好。其實我也不知道為什麼我會在這裡。我很高興能夠參加這個 Medical Taiwan 的展出，那我自己本身是一個臨床工作者，然後目前是醫院管理者。所以我當然很榮幸可以跟大家稍微分享一下。所謂給我的題目叫做——抱歉——如何實質達到醫護減壓跟流程的優化。題目雖然是這樣定，不過事實上我們還在努力，每天都還在努力，每天都在努力。因為其實我們現在都活在一個就是「現實比期望值遠遠不足」的困境中。

大家每天醒來的期望，AI 可能給我們的夢想，跟 AI 已經落實的願景，坦白講都有點距離啊。尤其在我們的臨床工作端，大家對自己健康的期待跟想像、對醫療科技進步的想像，跟真正我們已經落地的，坦白講，它也有一個 gap。那我今天的責任其實是讓大家彌平這個中間的差距，避免產生誤解跟過度的落差。

首先跟大家分享的是台灣醫療的挑戰跟現實。非常感謝剛剛祝〔健芳〕司長已經跟大家報告，其實我們三位 speaker 都有提到同一件事，就是我們的超高齡化。我們的中位數，早在 2025 年的年初，當時我們就已經知道——原來 45 歲是我們的中位數，一半以上是大於 45 歲。那比較重要的是，65 歲以上的人的醫療支出，它其實是超過四成。這個當然有很多東西可以討論，不過這個看得出來，這個數字看起來只會高不會低。那未來比較恐怖的是，這就好像剛剛司長的那張 slide，2070 年，感覺上好像跟大家沒有什麼關係。尤其是在座的，我想都超過……現在 20 歲的人，2070 年剛好 65 歲。2025 年 20 歲的人，2070 年剛剛好是 65 歲。意思就是說，去年 20 歲的人，大學今年還沒畢業，他剛好就趕上了 2070 年——一半 65 歲以上、一半 65 歲以下的困境。而我們當然是比較領先的，因為我們現在已經不是 20 歲了。

所以未來我們要競爭的是：我們的勞動力在哪裡，我們的撫養能力、照顧能力在哪裡。那如果都沒有，大家期望的是——難道還有更多的外勞開放等著我們？我們有更高的〔代/薪〕價在世界上競爭？〔語意存疑〕還是我們應該用什麼樣的方法照顧自己，提升自我照顧的資源能力，跟未來更多賦能（empower）的工具？我想這個可能是對我們來講比較重要的。

其實醫院現在很辛苦了哦。那剛剛謝〔邦昌〕理事長也特別講到跟學長吳明賢院長的〔際遇/機緣〕。那他講了這幾年來我們好有機會共識——當然他是我的學長跟前輩，台大醫院也是比較重要的國家的醫院。他就講過，醫院現在有四個字，雖然我們正派經營，但是翻成台語叫做「驚啪（kiann-phàinn）」，真的議論起來真的很難經營。

大家或許不太了解我們的痛苦在哪裡。大家應該有聽過什麼「護病比」啦、「護理師離職」啦，於是護病比不達標，不能開床啊，急診塞床啊。大家想要住院、想要關預期性的醫療服務，甚至你是排程要去做化療的、你想要去做個手術的——以前聽說美國、加拿大、英國，這些英系國家的公醫系統，你可能要開一個膽囊炎要排隊，你可能要排不止半年；你要做一個牙科的治療，你也要排隊不止半年。這是公醫制度最終的結果。但台灣因為把大家照顧得太習慣、太舒服了，顧客至上——A 不行就去 B、就去 C。未來這件事情在未來幾年其實都會改變，我可以跟大家負責任地說，會改變。它不會那麼容易、那麼隨取式的服務。大家也不要忘了，現在醫院也走進了另外一個叫做「總額」，意思就是說我們的服務量是固定的，不是 OK 的結果只是不管大家怎麼吃，吃越多、成本越低——這是不合理的現象。可是回過頭來，現在我們是受制約的，我們要限量服務，這是醫院本身被要求的責任。

內容時機其實很多啦。台灣的醫師到底是夠還是不夠？有很多的爭論。從醫界的立場來講，大家常常聽到的就是「不患寡而患不均」，這個我們都同意。但以先進國家來比的話〔待確認〕，其實我們相對還偏少了一些。然後另外就是我們的工作——這個不是台灣的說法，這是中國大陸的說法——我花四分之一的時間在救病，花四分之一的時間在跟家屬解釋我為什麼要救他，再花四分之一的時間寫好我的病歷、看我怎麼樣拿得到健保的錢，最後花四分之一的時間準備好我自己怎麼不要被告。啊，我的時間就用完了。這就是醫療的場域。所以簡單地講，就是有很多的文書作業（paperwork）都大大地干擾著我們。

起床前，你以為它幫你整理今日——這不是我們想像的「自動播放新聞、辦事項」那麼簡單。我們很希望未來有一個智能裝置，它可以在我們起床的時候就已經完成了我今天的工作流。當然它要事實——它不應該在不對的時間打擾你，而是它感知你起床了，開始提醒你今天有哪些工作事項、建議你怎麼吃早餐、建議你哪一種交通動線避免塞車，最後到達工作場域的時候，它會幫你做好良好的派工。用這樣子的想像，讓大家減少——或許大家不喜歡——減少很多不必要的互動。

大家或許覺得很奇怪，因為跟剛剛的說法我不太一樣，避免失智的其中一件事是要增加互動、增加社會互動（social interaction）。可是實際上，在職場裡面這些互動都是情緒的干擾，中間都會產生情緒的波動，反而不利於真正在職場上的運行。我們的困境是這樣。

在理想上，或者大家所聽到的各式各樣先進的發展裡面，其實從零到一好像好多突破，但實際上從一到真正好的落地，有相當程度的距離。所以我們在 lab 裡面，我們有好多的研發。我們在醫院裡面有 AI 實驗室，有各式各樣的 AI 種子，有各式各樣的 〔PoC/專案原型，待確認〕可以讓大家發展。但是如果我們去 monitor 後面那個 tool 的使用量，其實沒有那麼多。就是 A 用 A 的、B 用 B 的、C 用 C 的。那怎麼樣讓好的東西被更多人所用？這種推廣其實還需要花一點時間。當然我們後面還有很多現實面的問題，包括流程整合，或者是臨床接受度，因為每個人都有自己的毛不好摸、每個人都有自己的工作習慣。法規驗證——一個醫院落地的 AI，在另外一家醫院基本上是不成立的。所以這是為什麼要取證、要驗證、要聯邦學習，要之後能夠讓它知道它的 sample，用這個 sample 訓練（training）出來的東西，其實要怎麼樣跨界去達到真正的運用，它都有相當程度的困境。

那台灣的數位轉型呢，其實最簡單的就是我們沒多久之前的 COVID-19。COVID-19 台灣算是表現良好，這真的不是幫政府在做大外宣。如果全世界大家比一比哦，生活影響最小的，台灣絕對是名列前茅。或許大家覺得不習慣，曾經要搶口罩、要戴口罩、生活怎麼樣等等，但我們已經是受到影響最少了。相比於人口級數差不多的、叫做上海——如果上海都封城了，那台灣要封什麼？封島嗎？所以台灣其實已經大大地進步。

那我們做了什麼呢？亞東醫院在那段時間，當然前面有一些積累，有了一些積累之後，我們才有一些底氣來應變。一開始，大家如果還記得 2021 年的時候三級警戒，先是雙北三級，然後全台三級，中間只差兩天，5 月 15、5 月 17。那時候頭版頭條上面寫著 5 月 17 當天，還順便寫了一個「亞東醫院院內感染」。那個院內感染呢，坦白講也不用再爭辯，那個院內感染就是從萬華外溢出來。大家去過萬華回來之後，不典型的症狀，即便大家怎麼樣警覺，其實你也問不出來，問說你有沒有去過哪裡等等——〔語意不明：巨石以達〕，或者是我們有什麼流程可以干預的，都很困難。終究知道了有出現院內感染，但我們很清楚地知道該做什麼事。從那個時候開始，我們所有的應變都用數據、用資訊的方式來協作。

我舉一個例子。當時大家最敏感的是，第一，好想打疫苗。本來我記得 2021 年 3 月一開始 AZ 的疫苗出來的時候，大家還給它一個鄙視的眼神：我需要考慮嗎？我沒有更好的嗎？聽說有 BNT，天哪。大家就是這樣選擇困難啊，大家期待下一個會更好。如果感情這樣，那怎麼辦？下一個會更好。於是我們在 515 三級之前，全台灣 25% 的疫苗在亞東醫院打了。那 515 之後就不用講了，所有的疫苗收歸中央了。收歸中央統一發配的時候，大家發現不足，我們其實為了要降低接觸嘛，所以你只要拿著健保卡插出來就完成註冊，接著醫師評估——這沒辦法，這是必要過程——接著護理師打針，接著就離開了。所以我們用這樣的方式，我們一家醫院打了差不多 100 萬劑的疫苗。台灣 N one，是真的。

所以就以疫苗為例啦，從打疫苗開始，集檢所、集檢旅館、收治輕症、收治重症，到後面的藥物使用，到 2022 年 Omicron 來的時候——那時候我們需要做居家的照護，我們需要遠距視訊診療，那個部分包括所謂的健保給付。那時候是由中央給付的，給付標準啊、給付內容啊，基本上也是我們參與擬稿的，本是從新北市開始使用，然後中央一併 4 月 12 日全國通用，這個也是我們在當時使用的。所以 COVID-19 對我們來講，其實是很重要的數位轉型的一個加速師啊。

那我們現階段不敢說用 AI 協助臨床，但是我們非常強調 IT 的建設，還有 data science 的運用，那 AI 只是 data science 的其中一部分。我們自從有 GPT、生成式 AI（generative AI）開始出現的時候，那就蓬勃發展。應該是 23 年的 12 月吧，23 年的 12 月開始，我們就開始各式各樣的小組討論，在每個地方想辦法落地，然後建制我們相關各科別的種子，上課討論，所以我們有好多好多——當然後面用的就是 〔PoC〕，前面用的是各式各樣的。

我們的 AI 呢，現在大家可以 summarize 成幾種。比如說一個叫做感知型 AI（perceptive / perception AI），就是你感知的，比如說我幫你做這個 image 的判斷：有沒有 X 光有沒有肺癌、或者 X 光有沒有什麼嚴重發炎的炎症這一類的，這是 perception。然後再來是生成式 AI（generative AI），這個大家都很熟，幫助我們主要是文件的處理還有餵教。然後另外呢，現在像比如說代理型 AI（agentic AI），這個 agentic AI 是我們現在正在運用的，用的是各式各樣的 prompt，希望它一鍵生成，包括醫師跟醫師、〔醫師跟病家〕之類的對談。包括我們希望可以完成的，是這個病人交班的一個摘要（summary）。比如說一個〔家醫/內科〕病房〔病房別待確認〕為例，好，我們有 30 張病床，30 張病床跟兩區，兩區要交班的時候，一般交班就差不多要 15 個病人。那我們希望在交班的時候，不會大家還要整理這麼多的文件，而是把各式各樣重要的資料能夠匯整，而且可以 update、可以更新，所以用這樣的一鍵生成的方式，就是 AI 可以給我們更多的方便性。

那後面當然 AI 大家比較簡單的例子，是我們現在導入的一些機械手臂，然後在裡面給予 AI 的賦能，讓我們避開一些風險。我想這幾類的 AI，像後面還有模擬型 AI（simulation AI），這是我們用在教育方面。還有另外一個是預測型 AI（predictive AI），那預測型的 AI，剛剛謝理事長講的有關於亞健康跟未來疾病發展的，這個 predictive AI 的參與也蠻多的。這幾大的 AI 基本上都已經在醫院的場域落地，但比較可惜的事情是各家醫院自己發展。各家醫院自己發展，所以我們每一家醫院都是中小企業。講是講中小企業啦，我舉一個例子好了：台大資訊處超過 100 個人，亞東的資訊處也快 60 個人，我講的是工程師。所以隨便講出來，都已經可以去外面開一家資訊公司了。所以我們每一家醫院自己都在搞自己的資訊公司，很可惜啦，也是資訊的孤島。

還有當然現在中央在衛福部裡面，資訊處裡面已經有一些政策跟方式，希望我們做串聯。我們有 FHIR 互通，在今年底之前，醫學中心的相關的重要的病人個人的資訊可以連通，所以 A 醫院做的檢查在 B 醫院可以看得到。目前是有困難的，目前是有困難的。

那對護理人員來講，這個特別重要，因為現在有一句成語了，叫「得護理者得天下」。你護理師有了，你的床位才能開床，不然就是我們硬體有了、空間有了，但是我們沒有辦法開床。沒有辦法開床，於是大家心裡都想說：這家醫院為什麼讓我們急診那麼久，樓上明明就有空床，不信你上去看——果然有——那就沒人顧啊。沒人顧，你要怎麼上去？上去你要跟他商量說，我插一下好嗎？這一家，我插一下；然後你要 donate（贊助）是不是？你 donate，然後我讓你住好不好？你自費。你自費，護理師也不願意啊。結論就是白搭，白搭啊。所以我們也沒轍。

所以現在以我們為例，我們很尷尬哦，我們的位置可能也不錯。大家或許不知道，現在全台灣最大的區是哪一個區？〔不是台北蛋黃區。〕全台灣最大的區是板橋區啊，回家查一下。一個板橋的人口超過 12 個〔縣市〕，全台灣一半的縣市都超過。可是板橋裡面現在……於是那個病人永遠來急診的時候不住了，真的不住。板橋有兩個分局——〔某分局名，待確認〕跟那個，景美文山除外哦，它不是人口多，它是因為跨了山——板橋有兩個分局，板橋可以選兩席立委，所以板橋真的很大。雖然土地不很大，但人口很多，所以在服務醫療需求上面，對我們來講，我們每天中午 12 點就可以掛了滿，啊，中午 12 點，後面只要來急診的等明天，怎麼說也沒用，就真的沒床啊。這就是我們每天的日常。

不知道我要怎麼跟大家解釋，不過我們手機已經收到（通知多到）麻痺了。那我們能做的事情是加速周轉、減少護理師的 loading，所以對他們來講，一鍵生成交班記錄非常重要，非常重要。那當然，怎麼樣解除他們在 board 上的負擔，因為有各式各樣的內容都需要用鍵盤輸入，不管你打字多厲害，最終都沒有辦法改變。我可不可以語音？我跟病人互動之間就可以即時記錄。目前這個部分我們也突破了、也克服了，差別只在於沒那麼方便。對我來講，只要東西好用，自然會風行草偃。

那很可惜的是哦，不是每一個人喜歡上班帶著手機的。很奇怪嗎？不會，一點都不，在我們的場域什麼都很正常。要帶手機你發公家，這就麻煩了呢，這就麻煩了，你會增加很多維護的成本。所以我們很希望把東西好用到讓大家風行草偃、自己來，跟我們正在這個路上。這個我們也跟廠商一起合作。那像這種智慧床頭的顯示，很多醫院都有，可是我們最終的結果不是在床頭，也不是在前面多一個 monitor，最終的結果是 Go Mobile——回到病人跟家屬的手機。

你的手持裝置是什麼？說實話，大家最常一整天盯著看的，絕對不是你親愛的家人，是你手上那一隻手機。OK，所以我們就塞到你最喜歡的地方去。反正它跳出來提醒，你要不要看由你決定，但是我們所有的溝通事項，從我上任接院長開始，我們的目標就是 Go Mobile。那一樣對院內同仁，我們有外部顧客、我們有內部顧客。院內同仁的各式各樣的交班，我們也是盡量上手持裝置，希望大家用方便的連線方式，所以我們跟微軟戰略合作，用 365 mobile。然後另外就是用 Teams，讓全院的員工都有一個帳號。所以大家已經不需要傳統的什麼顧客抱怨啊、員工信箱啊，不用啊，因為他只要一點出來就是院長，他就直接用 Teams 私訊（DM）我了。所以每個人都可以私訊我，所以根本沒有中間的流程，你扁平化到這個程度了。

行政管理也是一樣。因為我們有很多各式各樣的通報系統，我們都很希望這些通報簡單。像比如說最近可能下雨下到內湖淹水了、高頻淹水，像我們院內也會呢，我們院內就是像比如說露台啊，露台的排水如果真的有雜物〔堆積〕，它真的會淹到室內，或者有一些地方連接縫的地方。所以我今天早上就會收到說，我們哪一個值班、哪裡在低等等，就是我們災害即時線上通報系統。就是每一個同仁手上都可以自己點、自己用語音輸入。因為大家自己有自己的輸入界面，對不對？搞不好有人很會〔注音/某輸入法〕的、有人很會什麼〔某輸入法〕的、有人很會英文語音的，隨便啊，反正你自己的手機、自己的界面，你要怎麼輸入都沒有關係，反正它都會自動轉成中文，最終我們就會收到你想說的話，這樣就好了。

那穿戴裝置的部分，我們還在努力，這個界面有點困難。我舉一個例子，我們現在有一個長期的連續血糖監測（CGM）裝置，有些人可能理解。目前我們會鼓勵病人使用，它可以用兩個禮拜。在中國大陸的成本很低，不到台幣 1000；那一般在台灣，美商我們可能買到的是台幣 2000，假設是這個數字。但問題是，我沒有辦法拿到裡面的數據（source）。我們很努力地跟國際接軌，但是它不給我們 source。很簡單，因為國際大廠它覺得它不需要那個 ability。我給你，你就是 for medical purpose、你就是 prescription，為了要開藥、為了要處方，於是可能衍生出來的醫療糾紛或者病人安全事故，國際大廠根本沒興趣。所以它只想直接 to C（消費者端），它一點都不想 to B（企業端），所以我們就被放掉了。這也是我們現在的困境。

不過 anyway，這個部分其實大家都要努力地在嫁接。因為 eventually，健康是自己的事。健康不會只有國家的事，不能一天到晚都爛給別人。健康是自己的事，健康是自己身邊家人的事。你可以想想看，一個人倒下去，倒霉的是誰？最簡單的 stakeholder（利害關係人）是誰？那就是大家一起的 responsibility。你的 accountable person 會出現。

那病人端的優化呢，我們也做了很多。其實呢，因為當時我們疫情的時候跟 LINE 合作，我們的想法很簡單：全台灣最普及的應用裝置是什麼？社群媒介是什麼？LINE 不用網路費，於是 LINE 是大家最常用的，它的 penetration 真的是非常的廣。所以我們在 LINE 上面有一個官方網站，那官方網站就會連接到——在資安許可的前提之下——就會連接到個人的相關資料，所以我們可以賦能各式各樣相關的應用跟工具。那這些工具裡面包括報到。我也常常靈魂拷問大家說，為什麼一定要到現場、到診間門口、插健保卡拔出來，就叫完成報到手術，於是全部人都在那邊堵著，看有沒有人差對這樣？那事實上我可不可以在這個場域、我在這個 wifi 領域、在亞東醫院——即便你在美食街、你在哪一個樓層的花園，你都可以報到，因為我認定你已經在附近。好，你可以報到，然後我可以通知你幾分鐘後會輪到你，用這樣子的方式產生互動，疏散太集中的人潮。這個也是我們的設定目標。

那我們現在也 offer 比健保快易通 App 更多的資料，但當然只有本院的，因為我們並沒有跨界管到外院去。所以我們給的是更長時間，比如說健保快易通給你半年，我給你一年，我給你連續——如果你是連續就診的，我給你持續性的資料，甚至給你圖表。那這個資料呢也會通知你，包括你可以知道你的檢驗、你可以知道你的影像檢查相關的報告，你有異常值的通知，你可以自己在上面做一些處理，那當然後面還會聯動我們的一些〔味覺/營養衛教，待確認〕等等。

那這是我們另外一個還在 ing 的。我們希望針對住院的病人給他賦能，告訴他未來的時間做什麼。很多人今天起床會說——〔病人起床第一句，語意不明：被衝殺〕——他第一個問的就是護理師。我們要解決護理師的痛，不要讓第一線的護理師一天到晚被我們問：我今天要做什麼？護理師說啊，你今天醫生要跟你解釋。那下一句就說，醫生幾點來？醫生幾點來，護理師不好說吧，他不敢說吧。我再幫你問——又來了，又多一件事情，又去打電話。誰叫你問的？職場霸凌又出現了。哇，真的是。所以我說哦，太多的互動反而是干擾。

所以我們把它換成另外一個場：今天如果真的以病人為中心，不管你是什麼職類，今天你要來傳遞你的服務，你是復健師、你是營養師、你是心理師、你是醫師，你要來傳遞你的服務，來在這個系統上給我做登錄。你做了登錄之後，病人手上就會跳出來，我今天、明天、後天是什麼。於是大家互相會自我約束。第一個是我要透明，我的行程要透明；然後第二個是這個時間被佔了，不會我來了醫生正在解釋、我來了心理治療正在說話，不用嘛，大家可以錯開嘛，大家可以配時間嘛。然後於是病人不用問，家屬也不用問。家屬如果希望來 join 其中一個 session（場次/環節），那你就在那個時間出現就好。所以這個也是從病人的角度、需求端去想像的。

那其實後面還有很多應用，只是不好說了，因為這個每一個互動形式後面都可以點。那不得了，你的員工考核績效，我就看這個就好。第一個，你有沒有出現，他說了算。你的派工，你跟我說，我不信啊，他說的才算。病家說有就是有——病家就是病人家屬——病家說沒有，就是你沒有出現。對吧？很殘忍。所以 IT 其實可以幫我們做的事情其實蠻多的。所以我們整前、整中、整後都有很多的想法，但是這裡就不贅述了，我怕我是唯一一個拉長時間的，因為前面兩個都縮短時間。

所以我們現在的照護模式呢，從以前的被動變成主動。以前我們強調醫院的角色可能是診斷跟治療，現在把診斷往前了，叫預防；把治療延伸，因為有些時候治療就是專——而且還會得到合併症——所以這個也是另外一個很重要的觀念。現在的標準化，以前是 one-size-fits-all，可是現在因為個人主義很強，大家個別化、差異化很重要，所以個人化的健康路徑其實蠻重要的。

過去我們是高人力依賴，未來我們很清楚，假設 2070 年 65 歲是我們的人口中位數，一半的人口小於 65、一半的人口大於 65，請問你要找誰照顧？老老互相照顧，對吧？那不然你怎麼找到「老」？「老」這個標準以後可能要另外一個尺度，被掌為「教老」，因為 80 歲以上的那個 portion……以後如果我們用人口比例 20% 以上的叫老年的話，那我們的老年標準可以不斷地往上拉，結果退休年齡就跟著這樣上去了，因為不然大家都想退休了。一半的人是退休的，一半裡面還有一部分是就學的，真正工作的——完全不合理的撫養。

以前的醫學中心化的醫院，是我所謂的〔集中/重症〕化的服務，因為我們提高效率。可是未來呢，我們會有所謂的 outreach 外派遣的服務。所以像現在大家或許有聽過，比如說居家診療。我們的居家診療，大家可以想像一下：以前的化療是醫院做，住院化療，因為要保險，好，接著門診化療，接著是居家化療。用這樣子的方式，大家可以想像。當然你不要跟我說什麼〔居家太超過，語意不明：居家太刀了〕，好不好？以後再說好不好？我們一步一步來。那靜態的記錄變成——剛剛縣市長特別提到的——動態的、即時的一些生理資訊的一些傳出。

所以我們有很多的目標，這目標其實很希望更好的病家的體驗、顧客體驗。更合理的成本——不見得是降低，就是我們的人事成本會不斷地上去，我們的需求會上去，那我們要怎麼樣達到一個所謂的合理的成本。然後我們怎麼樣達到 work-life balance，因為如果沒有 work-life balance……我常常會挑戰一下在座的各位，用負面表列：你會請你的家人不要當看護的舉手——〔語意不明：當顧你私的〕——都願意嘛。你會請你的家人去當護理師的舉手？結論就是不表態的最多，社會就是這樣。但實際上哦，沒有啊，我是叫我家的下一代去當護理師。因為很簡單哦，第一，你當護理師，你會懂得照顧自己；第二個，你會懂得照顧家人，盡可手都好。但是我們現在的心態，就像在座各位會舉手說，我希望我的家人、我孩子不要當護理師，是因為——講白了——就不要吃苦。於是不要吃苦的結果，就是我過度干預了他們可能發展的機會，某種程度是〔閹割/淹沒，語意不明：惡殺〕了這個社會的發展。這就好像是說，我當醫生很辛苦、或者我當這一科外科很辛苦，我就叫年輕人說不要走外科——這種負面的遺傳哦，才是社會可以〔閹割/淹沒，語意不明：煙割〕的最恐怖的後果。所以我也在這裡稍微發表一下，所以醫護生計的問題其實蠻重要。

那另外一個是怎麼樣得到一個剛剛特別提到的，就是平權的狀態，未來的平權。當然城鄉有城鄉一定的差距，但是數位化確實已經大大地減少，至少可以讓專科醫師的能力普及到我們的天下。

所以我今天的題目是從 L 到——就等於是從實驗室（Lab）階段到真正的病房（Ward）的落地。這個部分呢，我們有很多的例子跟經驗，但是離完美還遠太遠。那現在最重要的其實是取得我們同仁的信心，比較重要的是這個，就像所有的執政者一樣，最重要的是你的 stakeholder。當然我的 stakeholder 很多啊，我〔內部〕各式各樣，但是如果沒有辦法讓自己的員工滿意，坦白講，再多都沒有用。我說服了你們，我沒有辦法回去說服我的同仁，那我是白搭。

所以我今天是用分享的心態跟大家講。我們希望還是回到「以人為本」——這個「人」，包括〔員工〕，同仁不只是病人。數據驅動，願景領導，我們很強調 governance（治理），我們很強調，我們會持續改善，符合我們同仁的期望，還有社會的期望。那希望大家以後會越來越清楚知道，亞東醫院是民眾的選擇。謝謝。

謝教授、謝（邦昌）理事長，還有院長，還有在座的各位嘉賓，大家下午好。很榮幸今天有機會來跟各位分享一下，就是我們看看怎樣從醫院管理的角度，來看看這個 AI 這幾年的一些發展跟運用。這是我自己的一些簡介，就很快地跳過去。

其實我們台灣有非常好的發展智慧醫療的基礎。為什麼？我們有非常成功的 ICT 產業，然後我們有非常先進的醫療科技，跟優秀的這些醫護同仁。再加上我們很多優秀的工程師，其實我們比全世界很多國家都更有條件，發展好的這個智慧醫療。

那智慧醫療呢，在醫院裡面無所不在。剛剛邱院長從非常實際的一些案例，就讓大家知道，其實從醫護端、從病人端，我們都有很多智慧醫療的這些技術，還有應用，可以去發展。不過總的來講，我們在醫院裡面，從剛剛不管說同仁也好、病人也好，我們如果希望這個醫院把智慧醫療用在醫院的經營管理呢，其實大概我們可以從四大面向來看。

這四大面向呢，第一個就是我們怎麼去降低工作人員的負荷，同仁的負荷；然後減少人為的錯誤。第三個面向是提供一些 virtual 虛擬的協助，那我們現在有等一下會有些案例跟大家分享；還有最後改善我們診斷的正確率，去避免一些錯誤、提升我們的品質。

那我們一個一個來跟各位做一些分享。有很多案例剛剛邱院長有提到過，那剛剛謝理事長線上也有提過。

第一個，在降低工作負荷的部分呢，其實現在國內很多醫院都在做。那就像剛剛院長講的，很可惜的，大家各做各的，每個醫院都投入非常多的經費、資源，在發展我們有關 AI 的部分，如何去降低負荷。第一個就是怎麼樣去用 AI 去協助病歷的生成。

第一個，用這個中文語音辨識（中文語音辨識）的 AI 來協助醫師、護理師或其他醫護人員來產出病歷、檢查報告跟住院記錄。很多醫院都有，除了剛剛我們這個亞東醫院以外，其實你可以看到像我們北醫（台北醫學大學），大家講「一鍵生成」。以前我們醫護同仁要花很多時間在做記錄，沒有太多時間用在病人的臨床照顧上。那另外呢，比如說以前我們常會說，我們醫院評鑑，醫師病歷都不好。其實醫師不是不好好寫，是沒有時間寫。那現在利用這個 generative AI（生成式 AI）一鍵生成，我們醫師、護理人員只是做最後的一個 review，看有沒有錯。所以大概我們估計節省了 73% 的時間。

同樣的，中國醫藥大學也有一個研究發表，說他們跟 Microsoft Teams、跟〔微軟〕合作，用他們叫 GGH system〔系統名待確認〕，節省了大約 75% 的時間，那跟我們北醫的這個經驗其實差不多。

那第二個是智慧病房管理，利用 IoT 的技術、感測器啊，這些我們病房的平台等等，自動監測病房的環境跟病人的狀態。比如說我們常常會說，我們的醫護、我們護理人員服務很好，病人要下床，你按一下，請我們護理來協助。可是通常很少病人會主動去按，大家可能都怕麻煩醫護的人，不想去麻煩他，自己就下床。如果是一般比較沒有風險的病人沒有問題，可是有些是屬於高風險的病人自己下床，那怎麼辦？

這個其實我前陣子帶去日本參觀，參觀他們的長照機構，其實有很多 IoT 的設備可以幫助我們。比如說壓力感測床墊（壓力感測床墊），壓力減少代表什麼？病人起來了、下床了，那馬上這個訊號就傳到護理站的平台。如果這是高風險的跌倒病患，那護理人員就趕快看一下這個病患是不是安全。那有的是在病床下面有個離床偵測地墊，地墊有壓力、踩到了，表示病人下床。那這個都是 IoT 在病房環境跟病人狀態監控上的一些應用。

那以前也有人做很多 IoT，比如說我們不管在病房或在長照機構，最怕就是這些〔住院/長者〕跌倒。那跌倒的一個警訊就是突然這個高度降低，所以身上如果我們佩戴一個裝置、一個 sensor，如果突然從高度降低得很快，表示跌倒了。那這個時候呢，趕快過去協助、或看這個病患。那所以這個其實像比如說光田醫院的有一個「住院醫管家」系統，那顯示醫療團隊衛教資訊，提供 QR Code 到遠端，家屬可以查看這個檢查的排程，那這個其實都是一些智慧病房管理的應用。

那另外呢，我提到機器人。機器人應用很多種，有那種 chatbot 就是詢問，像虛擬的客服，各位現在一看，銀行很多，醫院慢慢也在用。那有一種是降低工作負荷的機器人，我們看到很多，包括我們台中〔榮總〕跟 NVIDIA 合作的這個機器人，可以協助掛號，也可以協助搬運物品〔院名待確認〕。那我前陣子去日本神戶大學附屬醫院，看他們的機器人，叫做〔Moxi？名稱待確認〕，各位可以看到，這個就是一個櫃子。那這裡面呢，就是可以幫助醫院裡面、幫忙護理同仁或者傳送同仁做傳送。所以這個都是機器人在減輕醫護人員負擔上面的一個應用。

好，那第二個我們看減少人為錯誤。減少人為錯誤呢，這個我們台灣智慧藥局做得很好。很多醫院包括了〔長庚〕醫院也好、〔慈濟〕醫院、部立台北醫院，其實幾乎每個醫院都在導入智慧藥局〔院名待確認〕。

智慧藥局呢，可以節省我們的藥師在調劑上面的一些時間。現在舉個例子來講，今天一個一般的區域醫院，至少藥品的品相六七百種以上。那我們今天這個處方先印出來的時候，如果以以往的人工呢，你想這些我們用人工去揀藥，那我們的藥劑、藥師其實非常辛苦，而且也難免可能出錯。那現在智慧藥局呢，各位也許多有去參觀過，今天一掃這個〔藥袋〕的 QR Code，馬上這個藥在哪個櫃子，燈就亮起來，或者櫃子就打開。那這個可以減少我們藥師非常多的時間，也減少出錯的機率。

那另外像剛剛邱院長提到的這個電子病歷跟臨床決策系統（CDSS），其實也都幫助我們減少很多可能的錯誤。

那第三個層面呢，提供虛擬的協助。昨天的那一場聽說都在講在宅醫療，就怎麼把我們醫院的服務延伸到醫院之外。那這部分其實每個醫院，包括〔本〕醫院、我想說的醫學中心，都有這種遠距醫療的中心。我們北醫附醫的這個遠距照顧中心，包括陽明海運的、〔船醫〕遠距醫療。就是比如說我們的船出去了，比如說陽明海運或是萬海航運，船出去了，這些船員在海上、茫茫大海上生病了怎麼辦？我們不可能每一艘船配一個船醫，那基本上呢，就是現在都有這個遠距醫療來協助做遠距的分〔流/診〕，看要簡單的自己處理一下，還是要把人後送。那〔語意不明〕多元健康管理等等。那花蓮〔慈濟〕醫院就跟很多山地偏鄉合作，那也提供了這個醫療門診，我們部立醫院也是。所以這個其實現在應用得非常普遍。

那虛擬客服就不用講，就是會跟他講的 chatbot，就是聊天機器人。那台大醫院〔附醫〕透析 AI 平台（AIP），提供這個即時互動的居家自我照顧指引，透析操作影片等，這就是一個很好的例子。

那美國呢，美國加州的這個 Kaiser Permanente（凱薩醫療），他們過去是用真人客服，那現在 AI 慢慢地發達之後，他們這個 chatbot 跟真人客服交互運用。今天如果是簡單的問題，聊天機器人也可以解決，幫你解決；不能解決的話，真人就跳出來。那也節省了很多真人客服的值班，因為他們值班的這種所謂值班的客服都是護理師啦，省下護理師工作的 loading。

那英國，剛剛各位知道，英國這種公醫體系國家，他們有很嚴格的轉診制度，甚至常常都需要等待很久。那他們在英國 NHS 的這個公醫體系下，有個 NHS 111 這樣的一個 chatbot，就是一個線上分流服務。民眾輸入他的症狀跟基本資料，那馬上他就會告訴你，你是要去急診，還是直接去藥局買個成藥，還是去找你的家庭醫師，還是找這個居家護理師回電，或居家照護等適當的服務。那可以節省掉非常多的時間，也節省掉非常多的成本。

好，另外在改善診斷的正確率的部分呢，其實現在做的很多很多這種所謂的 spin-off、這種新創的公司，都在做這一方面的努力，包括影像或病理等等，那最主要協助醫師抓出微小的〔病灶〕，縮短判讀的時間、降低漏診，但是最後還是醫師保有最後的判斷權利。那台北榮總跟〔台灣〕AI 做一個合作，來做腦轉移的 MRI 輔助診斷；那我們北醫附醫是跟台灣 AI 合作，當時在 COVID-19 協助判斷這個影像。所以這些呢都是 AI 應用在我們醫院經營管理各種層面的協助。

那我們來看看國外。我在去年有去這個美國南佛羅里達大學（USF），在〔Tampa〕的一個 1,000 床的〔Tampa General Hospital〕。它其實有個這個叫 Coordination Center（協調中心），其實就很像我們一般軍中的戰情中心。那個 Tampa General Hospital 是一個非常忙碌的醫院，每天急診的人非常多。那各位知道美國的急診沒有效率是有的，那在這幾年他們慢慢地在做一些改善。

那這個 Hospital 呢，它的這個 Coordination Center 大概有二十幾個人在工作，其實就是在做包括各個階段病人的銜接。比如說他可以看出，今天我們的急診有多少人、有多少人在等床（我們台灣的醫院也都有在做）；那另外呢，在等床的話，現在 ICU 有幾個空床出來。但是空床裡面，現在空床不代表就是那個空床——有可能病人是到開刀房手術，那手術之後你說有幾個是手術要回來的，那有幾個可能是手術完之後過幾天就讓你出院。它基本上它這個所謂的協調中心都可以很精準地掌握到，可以讓病人知道，等床多久可以升到一般病房或升到加護病房。所以這部分就是它的一個應用。

那另外呢，這個現在每天都在做〔預測〕。我到這個耶魯大學，那耶魯大學他們的資訊長，是我們台灣出身的一位教授，在美國當資訊長。那他們也是在做這種——他們叫 telehealth，也就是我們講的所謂遠距醫療。那這些病人呢，最主要就是有三種，就是這個糖尿病（diabetes）、然後這個高血壓，還有部分的心臟病、心律監測的病患。他們就是領取了一些 IoT 的醫療儀器、穿戴式儀器在家裡，然後他會透過這個——他們的所謂一個中心會來 monitor，然後他會跟你說 stay connected，even 你在家裡，你跟醫院還是連接在一起的。那時候教授說，他們有一個中心，他們叫做 bunker。各位英文叫——軍事術語，bunker 就是地堡，這是碉堡。那 bunker 裡面呢，有醫師、有護理師在那邊監控每個病人生理的一些訊號、狀態。一旦有異常的狀況訊號出來，監控的這些醫護人員馬上主動跟這些在宅的病人聯絡。所以其實現在呢，醫院的醫療越來越貴，而且人力、醫療的能力也不足，所以我們怎麼把這些醫院的照護延伸到醫院外，是現在很重要的一個工作。

OK，那以下有兩個例子可以跟各位分享，這是我們大數據研究所所掌控的。他有幾個——各位知道肺癌是我們的國病，那可是肺癌的治療技術很多很多，這種各種藥物、各種標靶藥物等等，在全世界各地在發展。那你怎麼幫病人配對到最好的藥物、最好的臨床試驗呢？他用這個大型語言模型（LLM）還有自然語言處理（NLP）去把它們做配對，找出最符合的、定義最好的一個臨床試驗。

示範影片旁白 · video voice-overLate-stage lung cancer treatment — we use state-of-the-art NLP models and generative GPT technologies that are trained on over 20,000 lung cancer pathology reports. Our dynamic model can quickly extract up to 52 features and achieve an F1 score performance of nearly 90% in a 4,000-point cross-validation. This leads current international benchmarks, generating summaries that make information easy to understand while ensuring the safety and privacy of sensitive data. This forward-looking technology is awaiting US and Taiwan patents. Moreover, our method links treatment efficacy to survival data from over 5,000 lung cancer patients, and uses generative GPT technology to generate the most effective drug treatment options for the best prognoses. This is like consulting dozens of experts who have read thousands of pathology reports. The method supports shared decision making between doctors and patients, creating options using novel clinical models.

好，那另外一個呢，就是大家知道我們急診都用，那其實用它有時候往往就是在於，比如說你要判斷怎麼去給病人最好的照顧。所以急診裡面的流程呢，大概就是進來之後，你報到之後，接著你要去檢傷分類，然後我們的急診醫師會做一些病歷的詢問，然後接著也許照 X 光、或者你要做決策，然後就看怎麼去做處置。那這個部分呢，我們同樣有一個去縮短這個時間的 AI，一個叫 AIDE 的系統。

示範影片旁白 · video voice-overAIDE — increasingly, more than 60% of emergency departments are overcrowded; 43% of people have used emergency services. In Taiwan, one out of every two people has visited an emergency department. In Canada, more than 25% of patients have waited over 4 hours in the emergency department. Patients who wait too long in the emergency department face an increasing risk of death. Medical staff shortages are rising across the globe; the shortage of doctors is projected to reach 30%. In Taiwan, the shortage of medical staff could reach 45% by 2030, and the worldwide shortage of medical staff is expected to exceed 2.5 million. Emergency overcrowding not only prolongs patient waiting time but also drives up medical costs. Facing severe staffing shortages, existing ER systems struggle to identify potentially critical patients and to allocate limited medical resources efficiently. This leads to rising healthcare spending. A cross-disciplinary team at the medical university has integrated large language models with generative AI to develop an intelligent emergency care support system called AIDE, which is trained on nearly 300,000 records. It can instantly capture and triage chief complaints, predict risks and resource needs, assist doctors in prioritizing high-risk cases, and start the actionable process.

這是我們利用剛剛講的、所謂的自然語言跟大模型，來協助我們在醫院裡面的一些運作的一個效應。

那其實呢，我們結論就是：我們醫療管理〔數位〕轉型的四個主要策略跟價值。第一個是把時間還給醫護人〔員〕。就像剛剛邱院長所講的，你看我們的醫師只有四分之一的時間能夠花在照顧病人，其他時間呢都花在我所謂的 paperwork、文書的處理等等，那這個不是我們訓練醫護人員的目的，所以我們要希望透過 AI、透過智慧醫療數位轉型，把時間還給我們的醫護人員。

第二個，把錯誤擋在流程之前。我們希望透過 AI 的協助，不管是醫療或者用藥的錯誤，在流程開始、發生之前，就可以把它擋下來，提升我們的病人安全（病安）。

那第三個呢，就是昨天到今天大家都在講的，把服務延伸到醫院之外。現在藉著這個 IoT、我們甚至加上 AIoT 這些科技的發展，我們可以把很多的服務延伸到住家。除了剛剛大家講的最新的糖尿病、高血壓、心臟病、心律的監測外，甚至我們現在歐洲在講的這個在宅化療，這些慢慢的很多服務，我們可以從醫院延伸到住家。

第四個是把整合交給人機協作，那就是包括機器人等等這些的協助。

好，那幾個觀察是這樣子哦。目前病歷自動化、智慧藥〔局〕、AI 輔助這些發展越來越成熟，但是呢，比如說像生成式 AI、虛擬分流、照護機器人，這些近幾年來的發展也是很快速。但是最重要的是我們的資訊安全、保護臨床責任跟人員訓練。其實最後還是回到人身上，不是 AI，那這是我們要去繼續努力的。謝謝。