AI醫療是把人工智慧用在健康照護資料與醫療工作流程的總稱，範圍從影像判讀、風險預測到病歷整理與病人溝通。模型可以產生預測、推薦、分類或文字，但輸出能不能拿來做臨床決策，仍要回到預定用途、資料品質、人工覆核與法規要求；FDA 對 AI 與機器學習醫療軟體的說明把這些系統描述為從輸入資料建立模型，再用推論產生資訊或行動選項。

台灣的實務判斷也分成兩條路：醫療機構使用生成式 AI，要處理資料安全、病人隱私與人工審核；產品若以診斷、治療或疾病風險評估為預定用途，還要檢視醫療器材屬性。想看導入驗收，可接著讀醫療 AI 導入的五道臨床關卡；想分辨產品是否走醫材查驗路徑，則可看台灣 AI 醫療器材的分類與查驗登記。

醫療團隊在螢幕上查看人工智慧分析結果與臨床資料流程
AI醫療要先把使用目的、輸入資料與輸出對象寫清楚。（示意圖）

AI醫療包含哪些工具

FDA 將數位健康的範圍放在行動健康、健康資訊科技、穿戴裝置、遠距醫療與個人化醫療等類型；AI只是其中一種技術，能嵌入醫療軟體，也能用在行政流程。FDA 的數位健康定義說明，數位工具從一般健康管理一路延伸到醫療器材，判斷依產品功能與用途處理。

實際工作可先分成四類：

類型AI處理的資料輸出通常給誰需要確認的環節
臨床判讀影像、心電圖、檢驗數值醫事人員輸出是否只是輔助，以及漏判時由誰覆核
風險預測病歷、用藥、生命徵象醫療團隊預測時間範圍、適用族群與警示門檻
行政與紀錄對話、病歷、排程資料醫事人員或行政人員文字是否完整、個資如何保存、誰簽章
病人互動症狀描述、健康問題病人或照護者回答的適用範圍、轉介人工服務的條件

同一個模型放在不同流程，監管與風險可能完全不同。FDA 的 AI/ML 醫療軟體資料指出，AI 可以用於皮膚癌診斷資訊或心肌梗塞機率估計；產品是否屬醫療器材，仍需看預定醫療用途與實際功能，不能只看產品名稱裡有沒有 AI。FDA 的 AI/ML 醫療軟體頁面提供這個判斷起點。

AI醫療怎麼運作

一套可用的 AI醫療流程，通常由四個連續環節組成：先定義問題，再準備資料，接著讓模型產生結果，最後由人依照流程採用、修改或拒絕結果。FDA 對 AI 的描述也採用類似邏輯，系統先接收人或機器輸入，從資料建立模型，再以模型推論形成資訊或行動選項。FDA AI 定義與醫療應用說明可對照各環節。

1. 先寫預定用途

醫院或產品團隊要先說明模型要處理的疾病、族群、資料類型、使用情境、輸出格式與禁止用途。例如「協助影像科醫師標出疑似病灶」與「直接通知病人已確診」是兩個不同風險的產品定義。TFDA 的 AI/ML 醫療器材技術指引要求業者依預期用途、效能、適應症、禁忌症與使用限制提出資料，這些內容會影響後續的驗證與查驗文件。TFDA 人工智慧／機器學習技術醫療器材查驗登記技術指引

2. 把資料整理成模型能用的格式

影像需要確認解析度與拍攝設備，檢驗數據要處理單位與缺值，對話文字要判斷語音辨識錯誤與個人資料。資料也要分開訓練、驗證與測試，並確認測試資料能代表預期使用族群；TFDA 2026 年公布的 GMLP 原則把資料集代表性、軟體工程、臨床評估與上市後性能監控列為產品設計與維護時的參考項目。TFDA GMLP 公告

3. 模型產生結果，介面呈現不確定性

模型推論可以輸出類別、機率、排序、摘要或建議文字。醫療介面還要讓使用者知道輸入是否完整、結果適用於哪一群人、哪些情況可能失效，以及結果由誰負責確認；這些訊息會決定醫師是把輸出當成線索、提醒，還是錯誤地當成結論。

4. 把人工覆核接回工作流

輸出進入病歷、檢查報告或病人溝通前，要有明確的覆核者與紀錄方式。衛福部《醫療機構應用生成式人工智慧指引》要求醫療機構從導入前準備到使用後管理，檢視資料安全、輸出正確性、病人安全、責任分工與教育訓練；指引也把病歷、影像與語音列為需要妥善處理的敏感資料。衛福部生成式 AI 指引

醫療資料經過人工智慧模型分析後由醫師在工作站覆核
模型結果要回到醫師或受訓人員的工作流程中完成覆核。（示意圖）

台灣現在到哪裡

台灣目前有三套互相接續的制度安排。衛福部在 2026 年 5 月 29 日函頒《醫療機構應用生成式人工智慧指引》，供準備導入或已導入生成式 AI 的醫療機構參考；文件屬行政指導，重點在全生命週期的治理、資料保護、輸出審核與使用後管理。衛福部公告頁

食藥署則在 2026 年 6 月 8 日公告《人工智慧醫療器材優良機器學習實務：發展與管理原則》。公告說明，這套 GMLP 是因應 AI 醫療器材增加，供業者在產品設計、開發與維護時參考，涵蓋產品設計、軟體工程、訓練與測試資料、臨床評估及上市後性能監控。TFDA 公告頁

衛福部資訊處介紹的三大智慧醫療中心，分別處理負責任 AI 導入治理、臨床 AI 取證驗證，以及 AI 對臨床照護、醫療流程與健保效益的影響評估；官方頁面列出負責任 AI 執行中心 10 家、臨床 AI 取證驗證中心 4 家、AI 影響性研究中心 5 家。三大智慧醫療中心介紹

驗證中心也已公開專案清單，內容包括心電圖風險預測、腹部電腦斷層輔助判讀、低劑量電腦斷層肺癌風險模型與認知退化評估等案件；清單同時標示執行中、評估中與已結案狀態。臨床 AI 取證驗證中心專案列表讓外界看到台灣正把醫療 AI 從單一院所展示，推向跨院驗證與臨床證據整理。

這表示台灣已經有導入治理、產品驗證和效益評估的分工架構，個別產品仍須依預定用途與證據逐案判斷。想了解資料取得與使用門檻，可再看健保資料能訓練 AI 嗎？三道門檻看懂，資料能不能使用與模型能不能通過臨床驗證，必須分開處理。

台灣醫院資訊與臨床團隊在跨院人工智慧驗證平台上檢視資料
台灣的制度分工，正把導入治理、臨床驗證與效益評估拆開處理。（示意圖）

一般人和企業該注意什麼

一般人使用健康 AI

第一步看清楚工具的用途。提供衛教摘要、整理健康紀錄、提醒量測的工具，和依個人檢查結果給出診斷或治療建議的工具，風險層級不同；產品頁、使用說明與醫療器材許可資訊都應放在判斷範圍內。

第二步看資料會去哪裡。衛福部指引提醒，生成式 AI 可能處理病歷、影像、語音等敏感資料，醫療機構要設計資料蒐集、處理、傳輸、權限和保存的管理方式。指引 PDF對一般使用者的實際提醒是：上傳前先移除姓名、身分證字號、病歷號、地址與臉部影像等可識別資訊，並確認服務條款是否允許資料拿去訓練模型。

第三步把 AI 輸出當成待確認資訊。若回答涉及急性症狀、用藥調整、檢查結果或治療選擇，應把原始報告和問題帶回醫療流程處理，不能只依一段自動生成文字行動。

企業與醫療機構導入 AI

採購文件至少要有五欄：預定用途與禁用情境、資料來源與適用族群、輸出由誰覆核、模型版本與更新方式、異常時怎麼通報和停用。TFDA GMLP把產品生命週期、資料集、臨床評估與上市後監控放在同一套原則中；衛福部指引則要求醫療機構建立導入前評估與使用後管理，兩者可轉成採購驗收表。TFDA GMLP 原則、衛福部生成式 AI 指引

上線後要持續記錄輸入缺漏、人工修改、錯誤類型、不同族群的效能與版本差異。模型換版、資料欄位改變或病人組成變動，都可能讓原本的測試結果失去代表性；因此停用條件、回復既有流程與重新驗證的責任人，應在上線前就寫入制度。

醫療管理團隊對照人工智慧系統的版本監測與停用流程清單
企業導入醫療 AI 時，版本監測與停用流程要和採購條件一起設計。（示意圖）

常見問題

AI醫療等於 AI 醫療器材嗎？

不等於。AI醫療是應用範圍的總稱，產品是否屬醫療器材要看預定用途、功能、輸出及對疾病診斷、治療或預防的影響，不能只看是否使用 AI。

AI醫療通常會取代醫師嗎？

目前多數醫療 AI 是把資料整理、預測、標記或提醒結果交給醫事人員判讀。涉及臨床判斷、病人安全、病人溝通或醫療紀錄時，醫療機構仍要設計人工確認與責任紀錄，生成式 AI 指引也把這些項目列入導入管理。

使用 AI 看健檢報告，最先要檢查什麼？

先確認工具的預定用途與資料處理方式，再看它是否說明適用族群、資料來源、限制與人工覆核流程。涉及診斷、用藥或治療的內容，應回到醫療機構確認原始檢查結果與臨床脈絡。