如何評估醫療AI：FHIR Box與智慧醫療認證要看5個關卡

衛生福利部於2026年8月舉行國家數位健康互通性與效能認證實驗室成立大會，FHIR Box正擴大導入。官方並規劃未來推動軟體、硬體及整體解決方案廠商三類認證。

制度可提供驗測基礎，AI偏差、模型漂移與導入成效仍待規範及實證回答。

醫院評估時，可從資料標準、臨床證據、認證與取證、上線後監測、責任與退場五組面向著手。

一、從單點醫療AI走向國家級驗證，改變的是什麼

衛福部宣布成立「國家數位健康互通性與效能認證實驗室」，規劃推動軟體、硬體及整體解決方案廠商三類認證，並與FHIR Box等數位健康基礎架構配合發展。

主要改變是建立跨產品、跨系統的共同驗測入口，讓醫院與供應商可用較一致的標準檢查互通性、相容性及效能。

醫療AI常依賴各院資料欄位、設備與資訊系統介接；跨院使用仍可能因資料定義或流程不同而重新整合與驗證。國家級實驗室可望為採購與驗收提供共同語言。

衛福部對實驗室的公開定位，是透過標準化測試與驗證機制，促進醫療資訊系統的互通性、相容性及效能（來源：參考文獻1）。

官方公告使用「未來將推動」三大核心認證制度，詳細測項、門檻、證書效期與追蹤方式仍待公布。

二、FHIR Box是共同底座，不能與FHIR或SMART on FHIR混為一項

FHIR定義醫療資料如何交換，SMART on FHIR處理應用程式如何授權並連接FHIR系統；FHIR Box則是台灣用來整合資料轉換、儲存與交換的架構。

FHIR是資料標準

HL7將FHIR（Fast Healthcare Interoperability Resources）定義為電子交換醫療資訊的標準，透過資源與實作指南約束欄位及代碼（來源：參考文獻6）。

台灣另有TW Core實作指南，協助系統採用共同的在地資料定義。格式相同仍不保證內容完整；欄位缺漏、代碼映射錯誤或量測流程不同，都會影響AI分析。

HL7的FHIR規格指出，電子病歷若要支援自動化臨床決策與其他機器處理，資料必須具備結構化與標準化條件。

SMART on FHIR是應用介接與授權框架

SMART App Launch以OAuth 2.0為基礎，規範第三方應用如何取得授權、存取FHIR資源及限制資料範圍（來源：參考文獻7）。

實際安全性仍取決於身分驗證、權限、金鑰、更新與日誌監控，採用此框架不代表已符合所有資安及個資要求。

FHIR Box是資料中台架構

依衛福部公開說明，FHIR Box整合資料轉換、儲存與交換，並串接健康資料、規則及應用空間（來源：參考文獻2）。

醫療AI跨院測試需要把相同臨床概念對應到可比較資料。FHIR可降低格式差異，卻不會消除族群、設備、流程及資料品質差異，外部驗證仍不可省略。

三、國家級認證實驗室要驗什麼

官方目前公布軟體認證、硬體認證及整體解決方案廠商認證三類，核心公開目標集中在互通性、相容性與效能（來源：參考文獻1）。

認證類別	官方已公布對象	醫院採購時仍要另查
軟體認證	智慧醫療軟體	臨床用途、版本、資安更新與驗證族群
硬體認證	智慧醫療硬體設備	使用環境、校正、韌體與供應鏈
整體解決方案廠商認證	智慧醫療整體解決方案廠商	部署範圍、服務水準與退場機制

制度影響取決於認證能否跨院採認，以及是否仍需大量客製驗收。

認證與醫療器材取證要分開理解。衛福部說明，多中心驗證可產出標準化報告供申請單位及食藥署參考，沒有取代主管機關審查（來源：參考文獻3、4）。

若醫療AI涉及診斷、用藥或治療建議，應依預定用途、風險分類、核准內容與院內流程，設計相應的人工覆核及升級處置機制。互通性通過不等同臨床效益獲得證實。

四、現有公開認證範圍仍待回答四個AI治理問題

不足。資料能交換、系統能運作，只回答技術層問題；AI的臨床安全還涉及可解釋性、偏差、跨院泛化、模型漂移及責任治理。

以下四項是依現階段公開資料提出的待確認清單，不代表未來認證規範必然排除這些項目。

可解釋性、偏差與跨院泛化

同一模型在不同年齡、性別、疾病嚴重度或設備來源的表現可能不同。測試應揭露資料代表性、各族群指標及跨院效能，避免總體平均值掩蓋特定族群誤差（來源：參考文獻3、5）。

孕婦、兒童、慢性病患者與長期服藥者的資料特徵可能不同。此處討論的是AI驗證與資料代表性，不涉及原料、藥物或營養補充品交互作用。驗證資料不足時，不宜把單一族群的準確度推論到所有人（來源：參考文獻5）。

模型更新、效能漂移與持續監測

食藥署2026年《人工智慧醫療器材優良機器學習實務：開發與管理原則》，把訓練與測試資料、臨床評估及上市後性能監控列為管理事項（來源：參考文獻5）。制度仍須說明重大變更何時重驗。

資安、個資與供應鏈

食藥署的原則要求從全系統安全觀點管理風險，並把資料管理、網路安全、機密性、完整性與可獲得性納入生命週期實務（來源：參考文獻5）。

誤判時的責任與人工覆核

食藥署的原則要求產品設計考量醫事人員的監督責任，並定義不可自動化的重大醫療決策與關鍵節點（來源：參考文獻5）。誤判發生後的責任分工，則是院內導入時應依產品用途、核准內容、契約與相關法規另行釐清的問題。

五、從認證到落地，不同層級醫院面臨不同門檻

認證可減少部分重複測試，但資料品質、舊系統整合、人力、預算與維運能力的差距，仍會影響實際導入。

公開資料尚無各層級醫院導入率、成本與人力的全國統計。資源較少的醫院是否更依賴外部廠商，以及舊系統介接、代碼清理及監測成本是否較高，均是導入規劃時待驗證的風險假設，不是已有全國實證的結論。

衛福部列出的驗證團隊涵蓋資訊、資料科學、臨床及生物統計人員，反映驗證需要跨域人力（來源：參考文獻3）。

採購與驗收仍應分別檢查產品版本、在地資料品質、臨床效能、資安、維運及責任分工。

六、醫院導入前，依五個關卡逐項檢查

可先盤點資料標準、臨床證據、認證與取證、上線後監測、責任與退場，再依主管機關公布的認證範圍及法規要求安排導入。

1. 資料標準：確認FHIR版本、TW Core、代碼系統及必填欄位。
2. 臨床證據：查看驗證院所、病人族群、比較基準與子族群表現。
3. 認證與取證：分別確認互通認證、醫療器材審查與採購驗收要求。
4. 上線後監測：約定模型版本、漂移指標、人工覆核及停用程序。
5. 責任與退場：在契約界定資安更新、事故處理與服務終止方式。

• FHIR是資料交換標準，SMART on FHIR是應用授權與介接框架，FHIR Box是整合既有系統的共同架構。
• 國家級實驗室目前公布三類認證方向，詳細測項、效力與持續監測規則仍待完整揭露。
• 互通性與效能通過，不能直接證明AI具臨床效益、安全性、公平性或跨院泛化能力。
• 制度成效可觀察跨院採認率、重複介接工時、不同層級醫院參與度、上線後異常率及版本重驗情形。

國家級驗證制度與FHIR Box仍在導入階段。待測試規範、合格名單、版本管理及稽核結果公布後，才能判斷制度是否降低導入成本。

常見問題

Q1: FHIR Box是一台必須購買的硬體嗎？

不是。它是整合資料轉換、儲存與交換的架構，並非單一設備。

Q2: 認證細節何時才能判斷？

待主管機關公布測項、門檻、證書效期、版本變更與追蹤方式後，醫院才能評估認證可涵蓋哪些驗收需求。

Q3: 採用FHIR就代表資料品質符合AI需求嗎？

不代表。資料缺漏、代碼錯置、族群代表性與量測差異仍須另查。