AI 進入醫療決策後，監管的重點從「這台機器準不準」，變成「這套演算法會變、出錯時誰負責、健康這類特種資料怎麼管」。這個主題追蹤台灣 TFDA 從一次性審查走向演算法生命週期管理的路線，對照美國 FDA 與歐盟的鬆綁與試辦，也把健康資料外洩、跨境研究合作與保健食品廣告合規這些治理難題整理在一起。
臨床決策支援系統是什麼？AI進醫院先接工作流
臨床決策支援系統的價值在於把對的資訊送到對的照護節點。AI 要進醫院，先處理病歷資料、FHIR 介接、權限、人工覆核與可追溯紀錄。
科技・專題
AI 醫材法規與健康資料治理
AI 醫材怎麼審、健康資料怎麼管、出錯了誰負責？追蹤台灣 TFDA 與美歐 FDA 的監管路線，以及健康資料外洩與跨境研究的治理難題。
全部文章
病歷可以給 AI 嗎？送進模型前先看 5 個關卡
病歷可以交給 AI 處理，但要先分清楚用途、資料範圍、模型位置、授權與人工覆核。本文對照台灣個資法、衛福部生成式 AI 指引、FHIR 與 SMART on FHIR，整理病人、醫院與供應商在送入模型前的 5 個實務關卡。
RAG 是什麼？醫療 AI 查病歷怎麼運作
RAG 會先從授權資料找出相關內容，再交給大型語言模型整理回答。醫療場景還要加上病歷權限、資料品質、來源追溯與人工覆核，台灣已有 FHIR、TW Core 與健康存摺等資料交換基礎。
尿蛋白 +1、+2 代表什麼？AI 健檢判讀看 3 欄
尿蛋白 +1、+2 是尿液試紙的半定量訊號，不能單獨等同腎病。本文整理約 30 與 100 mg/dL 的解讀、複驗與尿白蛋白／肌酸酐比值，並用 FHIR 與 AI 臨床覆核拆解醫院導入做法。
AI 醫材上市後監測怎麼做？TFDA 十項 GMLP 原則
AI 醫材拿到許可證只是起點。從輸入資料、輸出性能到人工覆核與停用回復，拆解 TFDA 2026 年 GMLP 原則如何落到醫院的上市後監測流程。
醫療 AI agent 是什麼？三道安全欄決定能不能進臨床
醫療 AI agent 能感知環境、規畫多步任務並在授權範圍採取行動。本文拆解它和聊天機器人的差異、資料與工具如何串接，整理衛福部 2026 指引、FDA 監管討論與台灣醫院導入時該先驗收的權限、真人核准、監測與回復流程。
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，會接收真實資料並模擬可能結果。台灣已有成大阿茲海默症與長庚質子治療研究，但公開進度仍在研究與驗證階段。
個資去識別化是什麼？健康資料給 AI 前先分清楚
個資去識別化是降低資料與特定個人連結的加工流程。健康資料即使拿掉姓名，仍可能因日期、地點、罕見病史或外部資料被重新辨識。
AI醫療是什麼？從資料到臨床決策一次看懂
AI醫療涵蓋影像判讀、風險預測、病歷整理與病人溝通，是否屬醫療器材要看預定用途。本文拆解資料、模型、人工覆核與上線監測四個環節，整理台灣衛福部指引、TFDA GMLP與三大智慧醫療中心現況。
EHR 是什麼？醫療 AI 讀懂病歷前要過4關
EHR 是跨照護場域使用的電子健康紀錄，醫療 AI 要讀懂它，還得處理資料語意、FHIR 介接、個資授權與臨床責任。本文用台灣現況拆解四道導入關卡。
天麻功效與禁忌怎麼查？中醫用途、天麻素研究與中西藥併用整理
天麻常被拿來回答頭痛、眩暈與保健問題，但人體證據多集中在天麻素或複方。AI 能幫忙把藥典、研究與產品標示排在一起，不能替你決定是否適合服用。
醫療 AI 偏誤怎麼測？從族群差異到臨床驗收
醫療 AI 偏誤不能只看全體準確率。本文用台灣 TFDA 2026 年 GMLP、跨院外部驗證與 FDA 透明度原則，整理族群分層、獨立測試、臨床工作流與上線後監測的驗收方法。
AI醫療器材怎麼分類？台灣查驗登記一次看懂
AI醫療器材不會因為用了模型就自動歸類，台灣會看產品功能、預期用途、使用方式與可能風險。本文拆解健康管理 App、單獨醫療軟體、CADe/CADx 的差異，整理第二、三等級查驗登記、資料要求與醫院導入前的查核清單。
醫療 AI 責任誰負？臨床導入先畫清楚
醫療 AI 出錯時，不能把責任丟給一個抽象的 AI。從台灣衛福部指引與 TFDA 2026 年 GMLP 原則出發，拆解醫院、醫事人員、供應商與資料治理各自要留下的證據。
AI醫療怎麼驗證？醫院導入別只看準確率
AI醫療的準確率只代表測試集表現。從預期用途、台灣病人資料、醫師工作流到模型漂移，整理醫院採購與臨床導入前真正該驗收的項目。
健保資料能訓練 AI 嗎？三道門檻看懂
健保資料可以支援醫療 AI 訓練，但要先過目的外利用與退出權、資料品質、臨床驗證三道門檻。本文整理台灣受控資料流程、模型跨院驗證，以及 2026 年 8 月法規施行後的申請時效。
AI 醫材能自己更新嗎？PCCP與臨床責任
AI 醫材可以更新，更新本身也要被當成臨床流程管理。從 TFDA PCCP 到醫院的版本、資料、介面與人工覆核，逐項拆解模型改版後誰要負責。
醫療 AI 合成資料怎麼驗證？五道臨床檢查
合成資料能補醫療 AI 的資料缺口，卻不能直接替臨床證據蓋章。驗證要一路追到資料代表性、獨立外部測試、病歷介接與上線後監測。
醫療 AI 導入怎麼做？五道臨床關卡
醫療 AI 能不能進醫院，決勝點不在展示會上的準確率。從資料代表性、FHIR 串接到醫師覆核和版本監測，每一關都要留下可追溯的證據。
合成資料是什麼？醫療AI資料不能只靠複製貼上湊量
醫院病歷受個資法保護、跨院共享困難，合成資料讓 AI 可以拿「統計特性像真的」但沒有真人紀錄的假資料練功。但假資料一路餵下去也有代價，叫模型崩潰。
什麼是FHIR？醫療AI認證與FHIR Box要看5個關卡
FHIR（Fast Healthcare Interoperability Resources）是台灣推動醫療資料互通的核心標準，衛福部並啟動國家數位健康互通性與效能認證實驗室、推進FHIR Box。解析資料標準、三類認證、AI治理與不同層級醫院的導入落差。
如何評估AI製藥跨國合作：MOU後必看7個重點
源華智醫與瑞士Medvisis簽署AI藥物開發MOU後，合作能否落地，仍要查核工作計畫、資料品質、技術分工、獨立驗證、演算法透明、責任與法規。
醫療器材資安是什麼？台灣醫材網路安全規範走到哪
醫療器材資安管的不是醫院掛號系統，是心律調節器、血糖機這類聯網醫材自己的軟體安全。台灣的指引與範本都已補上，但補的速度追不上這兩年醫院被系統性攻擊的頻率。
數位療法是什麼？遊戲能治病，為什麼台灣還買不到
拿到FDA核准不代表在台灣買得到，也不代表公司活得下去。數位療法卡在台灣的關卡是在地臨床試驗；先驅公司Pear Therapeutics拿到核准後照樣申請破產，核准只是第一關。
AI 語音病歷是什麼？醫師少打字的背後，誰該負責任
AI 語音病歷讓醫師少打字，過勞比例也真的降了。但它多半不被當成醫療器材管，寫錯了要找誰負責，目前沒有清楚答案。
聯邦學習是什麼？醫院想合作訓練 AI，卻不用把病歷送出院外
多家醫院想合作訓練 AI，個資法卻不准把病歷送出院外。聯邦學習讓模型「巡迴受訓」，資料留在原地，只有學到的權重更新往中央跑。
眼科AI篩檢準嗎？美國免醫師覆核，台灣未跟上
AI 已經能在 60 秒內自己判讀要不要轉診，不用醫師覆核。台灣核准的同類醫材還停在輔助判讀，健保投的 AI 資源又是另一件事。
FDA TEMPO試辦：AI醫材免完整核准搶進Medicare慢性病照護
FDA 不是發給 AI 醫材一張通行證，是選擇『暫時不追究』。這句話怎麼讀，決定你把 TEMPO 看成鬆綁，還是換了名字的臨床試驗。
達文西手術差在哪？人形機器人完成活豬膽囊切除手術
宇樹 G1 人形機器人完成活豬膽囊切除手術的示範，全程由外科醫師遠端操控，不是機器自主開刀。跟台灣醫院現行的達文西系統比，差別在硬體平台通用與否、成本與臨床成熟度，自主程度其實一樣低。
長照輔具補助智慧科技是AI嗎？毫米波雷達安全看視怎麼挑
長照3.0開放的智慧科技輔具補助，把AI驅動的行為辨識系統跟傳統固定閾值感測器混在同一個「智慧」標籤下給付，家屬申請前該問清楚裡面裝的到底是哪一種。
你的健檢報告丟給ChatGPT解讀合理嗎？健保SDK vs OpenAI
健檢報告解讀準不準，不是你該先問的問題。先問清楚：這套系統出錯了，你找得到誰負責嗎？ChatGPT Health 與健保健康存摺SDK，是兩種完全不同的資料主權設計。
AI時代白袍自媒體的3個新機會：如何用內容傳遞正確健康資訊
醫療專業人士投入自媒體與AI工具傳播健康知識，正成為對抗網路偽科學的新力量。從資訊管道轉移、AI降低創作門檻，到內容經營策略與法規界線，完整解析白袍創作者該注意的機會與挑戰。
隨機字串產生器出包會怎樣：醫療系統的3個資安檢查點
醫療系統的去識別化假名與SMART on FHIR的PKCE驗證，都靠一串隨機字串保證安全，亂數品質不足時流程照樣跑完、不會跳出錯誤訊息。從Coldcard冷錢包同款根因，拆解醫療資訊系統該補上的三個檢查點。
iFree2 CGM 台灣有許可證，AI血糖預測還買不到
生成式 AI 預測食物血糖反應的 CGM 功能，綁定的感測器台灣沒有許可證；台灣人買得到的連續血糖監測，健保給付窄、普及率不到 1%。AI 預測與台灣現況之間，隔著一道法規與給付的落差。
AI 診斷工具擬納健保：年底效益評估，值不值得埋單怎麼算
健保只給付過一款 AI 醫材，靠六篇臨床試驗過關。CT 顱內出血判讀能不能跟進，關鍵不是模型準不準，是醫師時間、誤診成本、資源排擠這幾筆帳有沒有算清楚。
美國核准首個病人對話LLM醫材：介面不是決策者
UpDoc 靠「LLM 只負責蒐集資料、醫師預設規則才做決策」的架構，拿到美國首張病人對話 LLM 醫材許可證。這套「守門不決策」的設計邏輯，正是台灣評估 AI 診斷工具給付時最該借鏡的先例。
AI 心理諮商合法嗎？美國各州忙著立法，台灣目前無專法規範
打開手機跟AI聊心事的人越來越多，但這件事在台灣沒有專法可管。美國多州已經動手立法，從全面禁止到安全機制要求都有；台灣的心理師法只綁得住真人心理師，AI基本法還在等各部會補規則。
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。
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。
42州檢長傳票OpenAI：查廣告、健康資料與未成年保護
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、去識別化怎麼隔離、embedding 模型怎麼選、如何壓低幻覺做到可溯源，到人機責任怎麼分工。以醫療 AI 合規守門引擎 goalkeeper 為範例，對照衛福部指引與《人工智慧基本法》逐條拆解。
義隆電、國發基金加碼的台灣健康大數據平台，卡在哪一關？
緯創、可成、台達電、義隆電、瑞昱五家科技廠加上國發基金跟投的台灣健康網路平台，補上資金與醫院誘因的缺口。這篇整理十年整合史與四個國際失敗案例，拆解剩下最關鍵的信任設計問題，看懂這次為何比過去更接近成局。
健康存摺SDK能幹嘛？跟訓練AI醫療的台灣健康網路平台差在哪
健康存摺SDK現在就能授權下載門診、用藥、檢驗資料，但轉診不用重做檢查、訓練台灣本地醫療AI，靠的是新上線的台灣健康網路平台。文章拆解兩者差在哪、資料會用到哪裡，以及參與前該確認的退出與監理界線。
FDA的AI醫材路線：鬆綁穿戴裝置，台灣歐盟怎麼比
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。
FDA首個授權臨床AI agent：自主改藥配監督agent
把行動 agent 配上監督 agent，等於把企業治理的 Maker-Checker 雙人覆核搬進 AI。問題是，當會出錯的人和盯著它的人都換成 AI，這套覆核真的夠成熟了嗎。
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。
如何建立醫療 AI 合規守門引擎：從法規解讀到工程落地
從衛福部《醫療機構應用生成式人工智慧指引》到工程設計，拆解合規守門引擎的五道關卡、去識別化管線、Null Provider 可測性設計與守門服務的核心原則。
保健食品廣告合規指南：功能性食品新制、AI輔助審查
食藥署擬設「功能性食品」類別，保健食品廣告用詞將面臨更清楚的法規邊界。本文拆解現行三層食品分類結構的廣告規則落差、新制度的核心目的，以及 AI 輔助審查能做什麼、不能做什麼。
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。
台灣數位醫療保健法規現況：AI醫材與再生醫療雙法解析
《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。
全球 AI 醫材監管十年回顧：台灣 TFDA 對標美歐日韓體系
Frontiers in Medicine 2025年發表人工智慧醫療設備（AIMD）全球監管十年回顧，涵蓋美FDA、歐盟、日本、韓國與台灣TFDA等主要監管體系的發展歷程，指出動態監管框架、上市後監控與演算法透明度為各國共同面臨的核心挑戰。
台灣TFDA核准逾160款AI醫材 監管轉型
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。
常見問題
這個頻道的文章誰負責把關？
每篇文章都有具名作者，數字、引述與連結由 APPI News 編輯部逐項查核。這個頻道的專業審閱者是張饒輝 Lightman Chang，負責檢視內容的說法有沒有誤導。文章頁上會分別標示作者、審閱者與查核者。