醫療數位孿生是什麼？虛擬病人與台灣現況

醫療數位孿生是一個和特定病人、器官或醫療流程連結的數位模型，會接收真實世界的病歷、影像、感測與環境資料，再依設定的模型模擬可能的健康變化或治療結果。英國政府對數位孿生的定義要求它和真實對象綁定，並在適合決策的時間尺度進行資料進出；醫療領域的實務定義則聚焦於個人化資料與決策支援。病人數位孿生範疇回顧將它描述為可查看、含多維度個人資料，並能協助決策的病人、器官或生物系統數位副本。

它的價值在於回答「如果採用某個方案，這個特定病人可能怎麼反應」這類問題，研究者可以在模型裡測試情境，再把結果交給醫療團隊判讀。這需要多模態資料、模型更新、驗證範圍與資料治理共同成立；想先理解病歷如何變成可交換資料，可讀把 FHIR 講清楚的醫療資料標準整理。

醫療數位孿生是什麼

和電子病歷、健康 App 差在哪

電子病歷保存已發生的診療紀錄，健康 App 多半記錄步數、睡眠或量測值；數位孿生則把資料與特定對象的模型連起來，讓系統可以依新資料更新狀態，並進行預測或「假設情境」分析。健康數位孿生的醫學回顧列出的資料來源包含病人多模態資料、族群資料，以及病人和環境變數的即時更新。

一張 MRI、單一血糖曲線、一般疾病風險分類器，或用資料庫生成的虛擬病人，各自都可能是有用的研究工具。範疇回顧將單一資料來源的病人模型、沒有連結真實病人的合成病人，以及只輸出分類結果的機器學習模型分開處理，這些項目不能直接等同於完整的病人數位孿生。相關定義與排除條件提供了這個分界。

「孿生」代表哪些連結

英國政府的官方定義把數位孿生分為連線、半連線與斷線狀態：連線狀態持續接收真實資料，半連線狀態混合真實與模擬資料，斷線狀態則使用斷線前的資料進行模擬。官方規格也要求記錄目前狀態、驗證範圍與假設條件，讓使用者知道模型在哪些情境有依據。

因此，醫療數位孿生的「即時」沒有固定秒數。心律監測可能需要接近即時，放射治療計畫則可能以一次檢查或一次療程為更新節點，實際間隔取決於臨床決策需要與模型驗證結果。健康數位孿生研究把 AI、物聯網與閉環最佳化列為核心技術，但也把運算、臨床導入、資料治理與產品監督列為轉入實務時的主要考量。

醫療數位孿生怎麼運作

第一步：收集並對齊資料

模型可能接收電子病歷、檢驗數值、醫學影像、基因或生物標記、穿戴裝置訊號、生活行為與環境資料。健康數位孿生回顧指出，這些資料透過深度表型分析整合，才能用來估算病人對藥物、行為改變或環境因素的反應。資料格式、時間戳記、缺漏與量測誤差都會影響後續模型。

第二步：建立特定用途的模型

模型可以結合生理機制、統計方法、機器學習與臨床規則。成大 CPS Lab 公開的個人健康數位孿生計畫，規劃整合生理、心理與環境三類模型，並以資料同質化、多模態資料融合與分層建模處理異質資料。成大研究計畫頁也列出決策支援、偏鄉醫療與臨床驗證等預定應用。

第三步：更新狀態並跑「如果這樣做」

新檢驗、影像或感測資料進來後，系統更新模型狀態，再比較不同介入的可能結果，例如藥物反應、疾病進程、復健安排或醫院資源配置。健康數位孿生研究整理的應用包含治療最佳化、臨床試驗與公共衛生，並指出模型能用擾動情境觀察實體病人可能的行為。

這種模擬輸出仍是機率與假設條件下的結果。模型若缺少重要資料、遇到未被驗證的族群，或輸入資料已經過時，預測的適用範圍就會改變；英國官方定義因此要求數位孿生附帶驗證範圍與假設集合。官方定義中的驗證條件可作為醫療系統設計時的檢查表。

第四步：把結果交給決策流程

輸出可以是風險提示、候選方案排序、治療計畫模擬或照護資源預估，實際呈現方式要配合醫療團隊的工作流程。衛福部 2026 年 5 月 29 日函頒的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、風險評估到後續管理設計檢視機制，並把病歷、影像、語音等敏感資料的蒐集、處理與傳輸納入治理。

台灣醫療數位孿生做到哪裡

台灣公開資料顯示，醫療數位孿生目前以研究計畫、影像模擬與特定臨床場景驗證為主。這個判斷來自各研究單位公開的計畫目標與期程，不能延伸成全台醫院已經普遍部署。

成大 CPS Lab 公開的國科會計畫「融合臨床專家知識之跨模態生成式人工智慧於阿茲海默症數位孿生之研究」期程為 2026 年 8 月 1 日至 2027 年 7 月 31 日，聚焦 MRI、PET、生物標記、認知量表與生理訊號的資料缺失問題。計畫頁面說明，團隊將用低成本模態推估高成本或侵入性模態，並以臨床專家參與、臨床一致性與循環一致性降低醫療幻覺風險。這仍是研究設計與驗證工作，不能視為已可替病人做診斷。

長庚大學則有「應用於質子治療之人工智慧驅動數位孿生電腦斷層影像生成工具」計畫，公開頁列出的期間是 2025 年 8 月 1 日至 2026 年 7 月 31 日，研究重點包含影像假影、物理量轉換、劑量計算不確定性，以及放射與質子治療的虛擬臨床測試。長庚大學計畫頁將計畫狀態標為已完成，但公開內容沒有證明它已成為醫院常規治療服務。

法規位置要依產品的實際功能判斷。醫療機構使用模型做研究或流程分析時，仍要處理資料保護、權限與人工覆核；若軟體使用臨床資料並提供診斷、風險評估或治療相關功能，食藥署的AI／機器學習醫療器材軟體查驗登記技術指引要求說明預期用途、資料族群、臨床意義、訓練與驗證方式，以及使用環境限制。數位孿生這個名稱本身不會自動決定產品是否屬於醫療器材。

一般人與企業該注意什麼

個人使用健康服務前先問四件事

第一，服務收集哪些資料，包含病歷、檢驗、影像、基因、穿戴裝置與生活紀錄中的哪些欄位。第二，資料會拿來做個人照護、研究、產品改良或模型訓練中的哪一項。第三，資料保存多久、誰能存取、是否會跨境傳輸。第四，使用者能否查閱、更正、停止利用或刪除資料。

這些問題有法規依據。個人資料保護法將病歷、醫療、基因與健康檢查列入個人資料範圍，第 6 條對這類資料的蒐集、處理與利用設有特別條件，第 8 條則要求告知蒐集目的、資料類別、利用期間、地區、對象與方式。服務畫面若只寫「改善體驗」或「提供個人化服務」，資訊不足以讓使用者判斷資料用途。

醫院與企業驗收時要留證據

導入前先定義模型要支援哪一個決策、適用哪些族群、資料多久更新一次，以及缺少資料時要怎麼標示。接著分開測試訓練、驗證與測試資料，檢查不同年齡、性別、疾病嚴重度、設備與院所的表現，再把模型版本、輸入資料、輸出內容、人工覆核者與異常處置寫進稽核紀錄。食藥署技術指引明列資料族群與臨床意義、資料產製方法、資料格式及臨床使用環境限制等申請文件要求。

成大計畫公開說明的「模態缺失」與「醫療幻覺」也提醒導入者，生成模型補出的影像或生物標記不能直接當成病人的實測資料。衛福部指引要求醫療機構把系統失效、服務中斷、資安與隱私風險納入生命週期管理；醫療 AI 導入的五道臨床關卡也整理了用途、資料、交換、工作流與上線監測的驗收順序。

若想了解資料被集中、交換或二次利用時的台灣制度背景，可再看健康存摺 SDK 與台灣健康網路平台的資料流向。醫療數位孿生能否從研究走進照護現場，取決於資料品質、模型驗證、權限設計與臨床責任能否同時落地。

常見問題

醫療數位孿生等於電子病歷嗎？

電子病歷主要保存已發生的診療資料，數位孿生則把特定對象的資料和模型連結起來，進一步模擬狀態或方案。兩者可以互相提供資料，但電子病歷本身不等於數位孿生。

醫療數位孿生可以直接預測我適合哪種治療嗎？

研究模型可以比較特定條件下的可能結果，預測仍受資料完整度、族群適用範圍和驗證設計限制。臨床使用時，輸出必須放回醫療團隊的判讀、覆核與責任流程。

台灣現在可以申請一個完整的個人醫療數位孿生嗎？

目前公開資料較多是成大、長庚等研究計畫，聚焦阿茲海默症、影像生成或質子治療等特定用途。尚未看到官方資料證明台灣已有普遍提供、涵蓋全身健康資料的個人醫療數位孿生服務。