內在能力評估和老藥新用差在哪？醫療AI怎麼驗證

高齡照護與醫療AI出現兩條技術路徑：一條從認知、行動、營養、視力、聽力與情緒等內在能力，提早辨識功能衰退；另一條從既有藥物資料尋找新適應症。兩者都仰賴資料，能否改善照護則要看資料品質、模型可解釋性、人體研究、法規狀態與服務可近性。

一、為什麼高齡照護要先看內在能力？

國民健康署依循 WHO ICOPE 概念，發展「長者量六力」與長者功能評估；台灣生技團隊也在 2026 年 6 月分享以 AI 協助藥物再利用、進行臨床前驗證與智財布局的做法。兩則動態都指向同一個問題：資料如何轉成照護現場能使用的判斷。

內在能力評估能補足單看疾病檢查的缺口，協助及早發現功能變化與安排介入，但屬於風險辨識工具，不能直接當成疾病診斷。

傳統健檢多以發現疾病為主，ICOPE 則觀察長者能否維持思考、移動、進食、看見、聽見與情緒穩定。國健署的「長者量六力」把六個面向整合，結果可連結運動、營養、社交互動或進一步醫療評估。

這類資料對家屬的意義，是在長輩走路變慢、吃得少或常聽不清楚時，提供完整的檢視框架。若出現異常，下一步是找專業單位確認原因，不是自行買藥或改變治療。

二、老藥新用和一般新藥研發差在哪？

老藥新用是從既有藥物尋找新的疾病或族群用途，既有安全資料可協助早期探索，但新用途仍須完成有效性、安全性與法規驗證。

FDA 將 drug repurposing 定義為尋找已核准藥物的新用途，例如新適應症或新族群，並以安全性與有效性資料支持後續發展。既有資料可提供藥理、劑量與不良反應的起點，不能替代新用途所需的人體研究。

2026 年 6 月《科技新報》報導提到，台灣團隊以 AI 工具串連文獻、蛋白質結構、分子與生物資料，再把候選結果送進細胞與動物實驗，並以臨床前研究與專利申請作為授權前的技術資產。這是早期探索路線，媒體報導與企業簡報仍不能等同臨床證據。

路徑	AI 可協助	仍須確認	對民眾的意義
內在能力評估	整理變化、提示追蹤與分流	量測品質、外部驗證、介入效果	可辨識風險，不等於診斷
老藥新用	比對文獻、靶點、分子與真實世界資料	人體試驗、核准狀態、劑量與交互作用	不可自行改藥或換用途

三、醫療AI要走出黑箱，關鍵不只在準確率

可解釋性讓醫療人員知道模型使用哪些訊號、適用哪些條件與限制，但解釋本身不能取代臨床驗證與人員監督。

WHO 將透明、可解釋、可理解、責任與包容性列為醫療 AI 治理原則。若模型只給一個風險分數，卻沒有資料時間、缺漏、族群差異與使用範圍，臨床人員便難以判斷何時採信、何時覆核。

WHO《醫療人工智慧倫理與治理指引》指出，醫療 AI 應具備透明、可解釋與可理解的治理條件，並由人員對使用結果負責。

跨機構或真實世界資料還要交代授權、去識別化、欄位定義、用途與保存期限，並處理不同院所的格式差異。涉及人體資料、臨床決策或醫療器材軟體時，需確認倫理審查、個資保護與相關法規。高齡者若在訓練資料中比例不足，模型可能低估某些需求。

四、從AI預測到照護成果，中間還有幾道關卡？

要依序檢視資料品質、模型效能、外部驗證、細胞或動物研究、人體研究、法規核准與實際照護效果，前一關不能代替後一關。

老藥新用通常先由 AI 提出候選藥物與可能機轉，再以細胞、動物及人體研究檢視效果、劑量與風險；若要變更核准適應症，還要依主管機關要求提交資料。功能評估工具也須證明量測一致，並確認在不同場域辨識風險後，確實能改善轉介或照護結果。

WHO 歐洲區域辦事處的報告指出，健康資料治理要兼顧資料互通、品質、代表性、隱私與偏誤，才能支持安全可靠的醫療 AI 模型。

最容易混淆的是「研究發現候選方案」與「已有可使用療法」。老藥新用不代表新適應症已核准，模型準確率也不等同臨床療效。孕婦、兒童、慢性病患者、長期服藥者、高齡多重用藥者，以及腎功能或肝功能異常者，都應由醫療專業人員依病史、劑量與交互作用判斷。

五、專利與授權如何影響技術落地？

專利與授權能把候選機轉、資料方法或臨床前成果交給具備試驗、法規與量產能力的合作方，但取得智財不等於治療效果已被證明。

以該企業案例來看，團隊主張可將 AI 藥物篩選、臨床前實驗與專利布局組成技術包，再尋找國際藥廠或醫療機構承接人體試驗。這屬於個案提出的授權模式，合作條件仍要看專利範圍、資料權利、驗證成本、適應症市場與後續責任。

真正的落地還包括支付與使用流程：高齡者能否負擔檢測、偏鄉院所能否接入、照護人員是否有時間理解提示、異常結果能否轉介。若缺少人工覆核、追蹤與責任窗口，模型很難形成可持續的高齡照護服務。

六、判斷健康科技是否落地，可先問哪四件事？

先查資料來源與用途，再看證據層級、法規狀態和實際可近性，最後確認結果由合格人員解讀與追蹤。

1. 資料從哪裡來？ 分清楚同儕審查研究、官方資料、醫療紀錄、企業簡報與媒體轉述；涉及個資時確認授權、去識別化與用途限制。
2. 證據走到哪一關？ 分開看 AI 預測、細胞或動物研究、人體試驗、法規核准與照護成效。
3. 誰需要特別小心？ 長期服藥或多重用藥者要檢視重複用藥、交互作用及腎肝功能；孕婦、兒童與慢性病患者應先詢問專業人員。
4. 能否在生活中使用？ 確認評估後有人工覆核、轉介窗口、後續追蹤與可負擔服務，不只看模型展示。

對家庭而言，內在能力評估是觀察長輩功能變化的起點，老藥新用則是研發方向，兩者都不能取代診療。面對醫療AI消息，可用四項標準判斷：來源可查、證據接續、限制說得清楚，並能在照護流程中由人員負責使用。

• 內在能力評估可協助辨識功能衰退風險，但不能直接診斷疾病。
• 老藥新用可利用既有資料尋找候選用途，仍須完成驗證與核准。
• 可解釋性、資料代表性、隱私治理與人工監督，和模型效能同樣重要。
• 不應依 AI 預測自行改變藥物、劑量或適應症。

常見問題

Q1：長者量六力可以代替看診嗎？

不能。它可協助整理六項功能變化，若發現異常，仍應由專業人員進一步評估。

Q2：老藥新用是不是代表藥物更安全？

既有藥物通常累積較多安全資料，但新用途的族群、劑量、療程與交互作用可能不同，仍要依研究判斷。

Q3：醫療AI準確率高就能直接使用嗎？

不能只看單一準確率，還要確認資料族群、外部驗證、臨床效益、適用範圍、法規與人工覆核。

Q4：高齡多重用藥者看到相關消息該怎麼做？

整理正在使用的藥物與保健品，交給專業人員評估，避免自行停藥、加量、換藥或改變適應症。