糖尿病是台灣健保的最大單一成本負擔。全台約每10人就有1人受到糖尿病影響，第二型糖尿病患者超過130萬人，長期藥物、定期檢查與相關併發症的照護費用，每年耗用的健保資源遠超過多數慢性病。2024年6月，中央健康保險署與Google Cloud、Google Health共同宣布啟動「AI-on-DM」（AI on Diabetes Mellitus）計畫，用台灣的健保資料庫訓練AI糖尿病管理模型。這是台灣首次以NHI資料進行AI模型訓練的政府級合作，也是台灣與Google在醫療領域的第一個全國性政府合作案。

AI-on-DM計畫做了什麼，效果有多顯著

AI-on-DM的核心是把台灣23年、2,300萬筆的健保縱向醫療紀錄，透過Google Cloud平台與Gemini工具訓練成一套糖尿病患者風險分層模型。計畫包含兩條並行軌道：第一條是AI分層工具整合進「全民健康保險家庭醫師計畫2.0」，讓基層醫師在接診時能快速取得患者的風險評估結果，依嚴重程度分組管理照護強度；第二條是在「全民健康保險行動快易通」（My Health Bank）應用程式中，加入以Gemini為基礎的AI助理功能，讓民眾可以主動查詢自身的糖尿病風險指標。

效率提升的數字非常具體。根據Google的說明，導入AI之前，每位患者的風險評估需要約20分鐘；AI系統上線後，同樣的評估縮短至25秒，效率提升超過14,400倍。更直觀的比較是：過去需要40名專業人員花費3週才能篩查的2萬名個案，現在不到90分鐘就能完成。這個差距的意義超出操作便利性的提升，而是讓全國規模的主動預防篩查在成本上變得可行。

資料主權的設計是計畫的另一個重要特徵。所有健保資料在交付AI訓練前均完成去識別化，並存放於Google在彰化設立的本地資料中心，而非傳輸至海外。國家衛生研究院（NHRI）在計畫中提供醫療領域的專業支援，形成政府、科技廠商、研究機構三方分工的協作架構。

為什麼這個合作對台灣和亞太區都重要

台灣健保署長石崇良在計畫發布時表示：「我們相信台灣是第一個在全國規模、政府主導的預防性醫療計畫中整合AI的國家。」這個宣示的意義超過技術本身。台灣的健保是單一付費者體系，這意味著政府既掌握資料又掌握給付機制，在推動AI整合進臨床路徑時，不需要像美國那樣協調數十個不同保險公司的採購決策。這個體制優勢，讓台灣能夠以其他市場難以複製的速度，將AI從研究驗證推進到全國部署。

對亞太區的觀察者而言，AI-on-DM提供了一個可供參考的合作模型：政府資料主權明確（彰化在地資料中心）、商業合作條件透明（5年計畫框架）、有監管機構背書（衛福部、健保署共同主導）。這些條件讓其他亞洲國家在評估類似合作時，能以台灣案例作為政策設計的參照點，而不是從零開始摸索。Google透過這個合作在台灣取得的，遠超過一個客戶的關係，而是一個可以向其他亞洲政府展示的成功案例。

糖尿病AI模型的成效若獲確認，計畫已明確規劃擴展至高血壓、高血糖、高血脂與癌症篩查等領域，形成台灣慢性病AI管理的完整橫向佈局。

這個模式能走多遠，接下來的關鍵觀察點

AI-on-DM目前鎖定的130萬名第二型糖尿病患者，目標在2026年擴及200萬人。這個擴張計畫的成敗，很大程度上取決於基層醫師的介面使用率。AI分層工具整合進家庭醫師計畫2.0後，若基層診所的資訊系統相容性不足，或醫師在日常門診流程中的操作負擔太高，工具再精準也難以發揮作用。

另一個值得追蹤的面向是AI預測的實際臨床效益驗證。目前公布的數字以效率提升為主，但AI風險分層是否真的改善了患者的糖化血色素控制率、減少了住院率或延遲了併發症的發生，需要隨著計畫推進才能有來自真實世界的量化驗證。我們認為台灣在這個計畫上走對了方向：選擇慢性病高盛行率領域、以成熟資料基礎啟動、維護資料主權。真正的考驗是接下來的成效數據能否在同儕審查研究中站得住腳，讓台灣的AI醫療宣稱能從新聞稿層次升格為有據可查的全球示範案例。