健康資料平台的信任，不是靠新聞稿承諾出來的，是一條一條規則寫進流程裡做出來的。台灣健康網路平台這種國家級平台，成敗往往不在技術多漂亮，在那些看不見的細節有沒有做對。我做過一個醫療 AI 合規的守門引擎，踩過六個坑，這篇把坑和解法都攤開來，給要一起把台灣健康網路平台做好的人參考。它們每一個到了國家級平台，只會更關鍵。
先交代一件事
下面會一直提到 goalkeeper，一個讓 AI 產出的醫療內容在發布前先過五道台灣法規檢查的守門引擎。這是我參與的專案，講在前面。拿它當例子，是因為接下來的坑我都是做這個工具時親手踩到的，不是要賣你什麼。而這些坑，台灣健康網路平台這種規模的平台一個都躲不掉。
會做這個工具，是因為法規來了。衛福部在 2026 年 5 月函頒醫療機構應用生成式人工智慧指引，要求醫院用生成式 AI 產出的內容要主動揭露、避免 AI 幻覺延誤就醫。合規從一句口號變成要落地的東西，而落地的過程，全是細節。以下六個坑，是我認為最容易被低估、後果又最嚴重的。
坑一：想合規而留的稽核，反而成了最大的外洩點
合規要求你留稽核紀錄，好事後追查。但如果你圖方便，把原文和個資原值都寫進稽核日誌，那個為了合規而生的稽核系統，本身就變成整套系統最大的個資外洩面。你越認真留痕，洩漏面越大，這是我做下去才發現最反直覺的一個坑。
解法是把順序調對：去識別化要在判定「之前」做，稽核只存遮罩後文本的雜湊值加上狀態摘要，原文與個資原值永遠不寫進稽核。事後你重現得了「當時判了什麼、結論是什麼」，卻永遠拿不回原始個資。到了台灣健康網路平台這種跨院匯集的規模，去識別化的順序一旦擺錯，等於把外洩點直接砌進地基，事後再補都來不及。
坑二：去識別化是必要，不是充分
很多平台會用「我們做了去識別化」來讓你安心。這句話對，但不完整。去識別化擋得住直接把資料回推成某個人，擋不住兩件事：一是把多個去識別化資料集交叉比對後重新識別出個人，二是「合法的二次利用」範圍被悄悄放寬。
這有前例。英國的 care.data 當年把去識別化講得像護身符，結果資料被提供給商業公司、退出又講不清楚，信任在 2016 年徹底崩盤、整個計畫喊停。去識別化是門檻，不是保險。真正撐住安全的是治理，也就是可重現、版本鎖、退出機制和明確的使用界線，這些要跟去識別化一起做，不能拿雜湊當免死金牌。
坑三：判讀要可重現，就得鎖版本
法規會改，模型會更新。今天判定「可以發」的一段內容，換了規範版本或模型版本之後，結論可能就不一樣了。如果你的稽核不能重現「當時是依哪一版規範、判成什麼」，那份稽核等於沒有用，出事時你根本說不清楚當初的判斷依據。
解法是每一筆判讀都綁定規範版本，鎖定之後可以重現。這在單一工具上是好習慣，在國家級平台上是底線。健保資料庫二次利用之所以會被憲法法庭盯上，其中一個缺口就是對資料的處理沒有可稽核、可課責的明文機制。可重現，是課責的前提。
坑四：守門引擎不該替你決定放行
說到底這是責任歸屬問題。一個合規檢查工具，最偷懶也最危險的做法，是直接回你「可以發」或「不可以發」。因為它一旦幫你做了決定，你就把臨床與法律的責任，交給了一個不該扛責、也扛不起責的機器。
比較負責任的設計，是只回各個關卡的狀態，整體要不要放行，由人依狀態自己判讀，例如全部通過才自動放行、任一項不合格就擋下、有疑慮的轉人工覆核。機器負責前置篩選，人負責最後決定。同樣的道理擺到台灣健康網路平台：如果它讓 AI 直接對民眾的資料做決策，而不是只提供狀態讓專業人員判斷，信任邊界就崩了。工具給框架、給狀態，最後的判斷留給人，這在醫療 AI 是老原則，不該因為換了個大平台就忘掉。
坑五：保護資料的工具，自己的祕密也會外洩
還有一個很容易被忽略的洞。你做一個保護別人資料的工具，結果最先洩漏的可能是你自己的金鑰。原因往往很蠢：日誌或錯誤訊息的遮蔽規則沒涵蓋到金鑰用到的某些字元，憑證就這樣完整印在輸出裡。保護資料的系統，自己反而破了一個洞。
解法是把「祕密不外洩」也當成一條要驗的規則：讀取含憑證的檔案時不回傳含值的那一行、遮蔽規則要涵蓋金鑰會用到的完整字元集、憑證一旦可能曝光就立刻輪替。這條偏工程，但道理很簡單：資安不是做完一次的專案，是每次改動都要重驗的紀律。國家級平台匯集了千萬人的資料，任何一個這種小洞，代價都不是它自己扛得起的。
坑六：合規是成本，不是收入，所以推不動
最後這個坑最難，而且它跟前面所有技術坑不同，它是商業的。我實際遇到的問題是：對醫院和診所來說，用 AI 本來就已經要花錢了，為什麼要再多花一筆做合規檢查？合規的價值是「什麼壞事都沒發生」，而沒發生的事看不見，所以這種東西天生賣不動。
這其實跟前一篇講的電子病歷交換卡十年是同一個病根，都是誘因問題。解法有三層，由軟到硬：第一，不要賣「合規」，賣「你在避開的那個下風」。一次越權診斷、個資外洩或幻覺內容出去，法律責任、裁罰和商譽的代價，遠大於守門的費用，它其實是很便宜的保險。第二，把邊際成本壓到趨近於零，同一個網址同一把金鑰、按次計費，別讓它變成第二個沉重的整合案。第三，也是最硬的一半：在法規強制或有人真的被燒到之前，這類工具的採用永遠落後，衛福部指引這種規範的出現，才是誘因真正翻轉的那一刻。與其硬拗「我們很有價值」，不如承認這一點，反而更站得住腳。
這六條，國家級平台更要一開始就做對
六個坑講完，其實指向同一件事：健康資料的信任，是設計出來的，不是承諾出來的。稽核怎麼存、去識別化擺在哪一步、判讀能不能重現、機器該不該替人決定、祕密會不會漏、以及誰有誘因把這些都做對，少做一條都會在那裡破一個洞。
台灣健康網路平台鎖定的是全台千萬人的資料，這六條對它來說不是選修，是必修。把它們一開始就做對，這個平台就能少走我走過的冤枉路，也才撐得起千萬人的信任。健保資料庫的退出權，也是在被判違憲之後才在 2023 年 8 月上路的，制度往往是被逼出來的，但資料一旦匯進去就很難重來，所以更值得一開始就一起做對。這也接回我在第一篇的想法：這件事值得一起參與，而參與的底氣，就是這些看不見的細節有沒有真的做到位。
常見問題
醫院用 AI 已經要花錢了，為什麼還要多花成本做合規檢查？
因為合規本質上是保險，不是額外開銷。一次越權診斷、個資外洩或 AI 幻覺內容流出，法律責任與商譽損失遠大於守門成本。[衛福部指引已要求醫院對 AI 產出內容主動揭露、避免幻覺延誤就醫](https://udn.com/news/story/7266/9535477)，這讓合規從選配變成義務，不做的下風正在變大。
資料做了去識別化，是不是就不用擔心隱私了？
不是。去識別化擋得住直接回推身分，擋不住交叉比對重新識別，也擋不住二次利用範圍被放寬。[care.data 當年就因為把去識別化講得太滿、資料又流向商業公司而信任翻車](https://medconfidential.org/whats-the-story/care-data-2013-2016/)。真正撐住隱私的是治理，包括退出機制、獨立監理和明確使用界線。
合規檢查工具可以直接告訴我這份內容能不能發布嗎？
負責任的設計不會這樣做。工具應該[只回各關卡的狀態，整體放行與否由人依狀態判讀](https://goalkeeper.yao.care/)，因為臨床與法律責任不該交給機器承擔。機器做前置篩選，專業人員做最後決定，責任歸屬才清楚。
本文為資訊整理與觀點分析，涉及之合規做法為通則性說明，不構成法律意見或個案的資安建議。文中作為範例的 goalkeeper 為本文作者參與的專案，已於文首揭露。
