FHIR 是什麼？AI 想讀懂病歷，得先學會這套語言
FHIR 把病歷拆成機器讀得懂的「資源」。AI 讀結構化 FHIR 資料的代碼準確率能拉到九成以上，遠高於直接讀病歷文字猜代碼。台灣的 FHIR Box 計畫正把這套語言鋪進全台醫學中心。
#數位健康
32 篇文章
中醫 AI 值不值得信任？上線前該查清楚的六件事
中醫 AI 可不可信，看展示影片的準確率沒有意義。六件事沒查過，就只是一個包裝精美的黑箱：推理能不能追溯、資料來源站不站得住腳、藥材溯源、法規分級、資料互通、出事誰負責。
醫療AI黑箱和可解釋AI差在哪？怎麼選才安全
企業導入AI常遇到黑箱決策的信任問題，醫療場域因牽動診斷與病患安全而風險倍增。從AI藥物老藥新用案例看可解釋性工具如何讓臨床決策路徑可追溯。
42 州檢長聯手傳票 OpenAI：廣告、健康資料、未成年，IPO 前最硬的一道法規關卡
為什麼是 42 個州同時出手，而且挑在 IPO 遞件後？因為上市那一刻，法規風險第一次要被定價。
醫療 AI 合規上線前的六個坑，台灣健康網路平台一個都躲不掉
醫療 AI 上線前最容易被低估的六個坑：稽核怎麼存、去識別化如何靠地端索引與實體隔離落地、embedding 模型怎麼選、混合檢索與自我校驗三道關卡如何壓低幻覺做到可溯源，到機器只給狀態、由人依《人工智慧基本法》保有覆核權。以醫療 AI 合規守門引擎 goalkeeper 為設計範例，對照衛福部指引、個資法與憲法法庭判決，析論這六條對國家級平台的意義。
台灣醫療大數據，十年磨一劍，成敗在此一役
台灣整合健康資料試了十年，政府推了十年、多家新創相繼遇阻。這一次，台灣健康網路平台把資本、供給端和商業誘因都補齊了，十年磨一劍，終於有機會成局。剩下最關鍵的一關，是信任怎麼設計。
一人一份健康資料，台灣就能養出自己的醫療 AI
台灣健康網路平台要串接全台千萬健康存摺使用者的資料。個人紅利有限又有條件，集體效益才是重點：資料匯集後，台灣才可能訓練出貼合本地體質的醫療 AI。平台如何劃定退出、獨立監理與二次利用的界線，是參與前的關鍵。
美國 FDA 替 AI 醫材鬆綁低風險、核准逾 1,350 件：和台灣、歐盟的路線差在哪
FDA 一邊衝核准量、一邊把低風險軟體移出監管，台灣逐案審、歐盟疊高風險義務。這不是誰進步誰落後，是三種不同的風險賭注；台灣要問的不是抄誰，是自己卡在哪。
心臟監測商 iRhythm 病患資料遭竊勒索：醫療數據外洩的破口又在第三方應用
iRhythm 的臨床與醫材系統都沒事，被攻破的是第三方代管的商業應用、入口是社交工程。醫療資料外洩越來越少發生在資料所在的地方，而在資料流動的地方。
什麼是文化友善衛教？大甲媽遶境「性健康問事處」如何帶動近三百人篩檢
2026年4月彰化縣衛生局在大甲媽遶境設立全國首創「性健康問事處」，「辣媽祖」結合博杯、塔羅等文化元素降低戒心，近300人完成愛滋梅毒匿名篩檢，98.5%認同保險套為最佳預防方式。
如何用 AI 輔助戒煙：先弄清楚這 4 件事
AI 戒煙工具真的有效嗎？從尼古丁成癮機制、AI 聊天機器人的實際功能到現有研究限制，逐層拆解 AI 何時能幫上忙、哪裡還有距離。
問題不在 AI 能不能取代醫生，而在我們是不是搞錯了醫療的本質
AI 取代醫生的討論設定了錯誤的問題框架。真正的關鍵是讓 AI 承擔低價值的重複性工作，把醫生時間還給需要人判斷、溝通與承擔責任的場合。
北醫大主辦國際公衛高峰論壇台北成亞太健康創新跨域對話平台
2026年5月8日臺北醫學大學舉辦國際公衛高峰論壇，邀集英國、義大利、澳洲學者聚焦環境風險、創新介入與智慧照護三大主軸，反映台北作為亞太公衛創新交流平台的日漸成熟角色。
當病人先問 AI，醫療現場改變的不只是知識取得，而是信任與責任的分配
病人在就診前用 AI 查過症狀、拿到初步建議，這改變的不只是資訊取得方式，而是醫病關係的信任結構與責任分配。從 Reuters 調查到 DTC 模式崛起，分析數位健康平台面對的服務定位根本問題。
加拿大政府徵募AI醫療科技代表團赴台推動健保資料跨境研究合作
加拿大貿易專員辦公室透過CIIP計畫，招募中小型醫療科技企業組成代表團，於2026年8月赴台北、新竹、桃園洽談研究合作，核心吸引力正是台灣23年、2,300萬筆的健保資料庫。
台英健保機構續簽合作協定共推健康科技評估與給付制度改革
台灣健保署與英國NICE於2026年5月11日正式續簽合作協定，聚焦HTA框架升級、癌症數位治理與基因細胞療法給付機制，三年計畫將深化實證決策品質並加速創新藥物進入健保。
為什麼醫療 AI 最近都先從行政流程下手？
大廠同時押注醫療行政 AI，背後不只是商業考量。從問題根因到資料整合條件，拆解行政端切入的系統邏輯，以及機構評估導入時應先想清楚的事。
AI 醫療資訊信任判斷：問題不在找資料，在判斷什麼值得信任
Reuters 報導研究發現，當錯誤醫療資訊來自看似權威來源，AI 更容易被誤導。本文拆解 AI 信任判斷機制的根本問題、成因與改善方向。
我愛上一個不可能的可能，LLM是救贖？還是另一種沉淪？
LLM 進入醫療場景的想像令人著迷，但真正的問題不在於模型夠不夠強，而在於有沒有解對題。本文從問題定義、根因分析到落地設計，系統拆解 LLM 在醫療場景的可能與限制。
到底什麼是龍蝦？LLM 幫你解決了什麼？
「龍蝦」（Claw）是一類讓人與 LLM 對話的客戶端工具，不是比喻，是真實的工具名稱。本文拆解 Claw 工具的命名由來、比較主流開源選項，並分析在數位健康場景中，這類工具真正能幫你解決哪些問題。
人生在世，至少遇到 LLM 不會打從心底地從你不懂的地方佔你便宜
LLM 不持有商業誘因，不會因為你不懂而選擇性隱瞞或導向對它有利的方向。本文從誘因結構出發，拆解這個信任邏輯的成立條件與邊界，以及在健康資訊場景中，如何真正受益於這個特性。
比誤診更難的是：AI 先說出了病人想相信的答案
生成式 AI 不只是把資料丟給使用者，而是把答案組裝成符合心理期待的敘事。這讓診間要面對的，已不只是錯誤資訊，而是一個被迎合過的判斷。本文從問題定義、根因分析到流程應對，系統性拆解這個比誤診更棘手的挑戰。
台灣醫療品質國際排名奪冠健保數位化與預防照護成雙引擎
Numbeo 2026全球醫療保健指數以87.1分將台灣列為全球第一，連續多年蟬聯榜首。健保數位升級的我的健康存摺與分級轉診體系，正是支撐這項排名的兩根支柱，也指向預防醫學的下一步布局。
高齡照護不能只靠人力撐，AI 真正該放的位置在哪裡？
AI 在高齡照護的真正價值不在陪伴工具，而在早期風險偵測與照護斷點修補。本文拆解高齡照護的根本挑戰，說明 AI 適合與不適合的位置，以及落地整合的關鍵條件。
台北自行車展與 TaiSPO 雙展開幕，900 家廠商打造健康科技生態
2026台北國際自行車展與TaiSPO於3月25日南港展覽館同步開幕，合計1,100家廠商、3,950個攤位，以「Cycling to Wellness」主軸強調自行車與健身產業聯手，輸出亞太健康生活科技，展現台灣作為全球運動供應鏈核心樞紐的定位與影響力。
台灣AI醫療智慧健康價值鏈完整成形從研發到部署形成全球示範
從健保資料奠基到HIMSS Stage 7認證，台灣AI醫療在2025年完成價值鏈六大環節，連續8年全球醫療指數第一的背後是一套可複製的系統性架構。
台灣生技以智慧醫療再生醫學精準醫療為三大戰略支柱推動升級
台灣政府2026年元旦明確將生技列為下一個國家級戰略產業，智慧醫療、再生醫學、精準醫療三支柱同步啟動，《再生醫療雙法》正式上路為細胞治療開出快速審查通道。
台灣數位健康法規到位：數位醫療產品納 AI 監管新標準
《醫療器材管理法》為數位醫療產品提供明確定義，再生醫療雙法2026年上路開出細胞治療快速審查通道，台灣的法規確定性正成為吸引外資醫療科技投資的差異化優勢。
台灣長照3.0元旦啟動導入智慧照顧科技輔具因應失能人口增長
行政院2025年12月31日核定長照3.0，2026年元旦正式實施。新制聚焦醫療照顧整合、出院後積極復能，並將智慧科技輔具租賃補助從3年4萬提升為3年6萬，預計嘉惠逾74萬名服務對象。
台灣精準醫療計畫招募逾 56 萬人，打造全球最大漢人基因資料庫
中央研究院與合作醫院建立台灣精準醫療計畫（TPMI），招募56萬5千名參與者整合基因型、電子病歷與生活型態資料，研究成果2025年10月發表於Nature期刊，為全球最完整的漢人族裔精準醫療基礎設施奠定基礎。
數位健康工具融入長照體系助力台灣超高齡社會補充照護人力缺口
台灣2025年正式進入超高齡社會，65歲以上人口佔比超過20%，長照3.0計畫同步於2026年啟動。JMIR Aging 2025年最新系統性回顧指出，數位健康工具在老年慢性病患者中的採用障礙集中於數位素養不足、隱私疑慮與缺乏整合式支援，這三項障礙的突破是填補長照人力缺口的關鍵前提。
台灣 TFDA 已核准逾 160 款 AI 醫材，監管走向演算法生命週期管理
Chambers Healthcare AI 2025台灣章節指出，台灣TFDA自2021年發布AI/ML醫療軟體審查指引後，截至2024年底已核准約50款本土及116款進口AI醫療設備，並持續對應國際動態調整監管框架，從靜態一次性審查走向演算法生命週期管理的監管典範轉移。