勤業眾信攜手環球生技於7月初舉辦的《AI浪潮席捲生醫：策略布局實務與指南》論壇之【專家對談】環節邀請了醫療業、科技業及壽險界的專家，共同探討了「AI智慧醫療的成功關鍵」。結果發現AI用在醫療上是相對昂貴的技術，是目前台灣現有的健保給付制度及醫療體系所無法負擔的，因此AI能否在醫療實務上落地不是技術問題，而是經濟的問題。不過，如果以廣泛的醫療產業而言（包括護理資料整理、大數據分析），AI是可以解決一些痛點的，但業者認為AI於生醫產業能發揮的作用遠遠不止於此。

左起：勤業眾信聯合會計師事務所醫療照護產業負責人林彥良、臺北醫學大學人工智慧醫療研究中心執行長李友專、
雲象科技創辦人暨執行長葉肇元、國泰人壽副總經理林佳穎；攝影：北美智權報／李淑蓮

AI的利多

【專家對談】環節的主持人，勤業眾信醫療照護產業負責人林彥良表示，AI不僅能夠協助處理繁瑣的醫療文件和術前工作，還能簡化保險理賠流程。通過生成式AI，可以利用來自電子健康記錄、感測器和穿戴式裝置等資料，輔助醫療診斷與治療，提升醫療服務的效率和精準度。根據Deloitte 2024年生命科學與醫療照護生成式AI展望調查結果顯示，高達75%的醫療照護企業和組織正在嘗試或計劃擴展生成式AI的應用。然而，AI的應用也伴隨著一些挑戰，包括偏見、不準確和資料洩露等風險。因此，儘管AI在生醫產業中具有巨大的應用潛力和想像空間，企業和組織仍須審慎思考並建立有效的策略和管理機制，以確保成功實現AI所帶來的效益。在這個以資料驅動的時代，生成式AI的廣泛應用將可能徹底改變醫療照護產業的運作模式，為患者和醫療專業人士帶來前所未有的便利與改進。

另一專題講者工業技術研究院產科國際所副所長張慈映則指出，AI為智慧醫療開啟應用契機，扮演驅動醫療創新的關鍵要角。例如智慧醫材可透過AI 輔助，降低智慧醫療器材使用門檻；智慧醫院以AI輔助支援臨床決策，增進醫療服務效能 ；個人化醫療以AI加值數位生物標記，提供最佳個人化治療方案；預防醫學透過使用AI整合裝置監測風險，引領健康生活。

根據Biospace調查之結果顯示，2023年生命科學分析市場中的AI市場規模估計為20億美元，預計到2032年將達到約51億美元，2023至2032年間的年複合增長率則為10.98%，顯見AI在生醫產業應用裡的無限潛能。隨著數位浪潮一波又一波襲來，如何利用AI加速藥物的開發、加速新藥的篩選、研發，以及透過篩檢基因資料庫，找出各類型患者適合的藥物，對於個人化醫療與精準醫療皆是不可或缺的重要助力。

以上提到的都是AI在生技醫療產業的商機，能看到的很多，但真正吃到的有多少？

【專家對談】的3位與談嘉賓，包括臺北醫學大學人工智慧醫療研究中心執行長李友專、雲象科技創辦人暨執行長葉肇元、及國泰人壽副總經理林佳穎，分別代表了醫療、醫材及壽險界，共同分享了AI在醫療產業的應用狀況；了解AI讓各個產業產生怎麼樣的一個調整。

從調研分析、市場報告、專家言論看起來，AI潛力無窮，商機無限；但事實上，真正落地、於實際醫療行為或新藥研發過程產生貢獻的似乎占比不高，至少在台灣是如此。實際問題究竟出現在那？

北醫李友專：把錯誤再降低、把疏漏再降低，提升精準度

李友專指出，現今美國的醫療費用已經達到4.7兆美金，是其國防預算的3、4倍；而美國的國防預算則是中國國防預算的3、4倍，有多重要可想而知。總的來說，全球只有一個領域每年以10%不斷的在成長，連續三四十年，就是醫療照護領域。主要原因是由於現今社會是一個普遍傾向老化的社會，隨著人們年紀越來越大，而醫療又越來越進步、藥越來越多，此一領域的產品也是每年不斷增加。

李友專舉例說，像是餐廳，不會每年菜單都增加10%，然後連續40年成長；但反觀藥單卻可能每年都會增加那麼多；因此需要很大的費用及人力投入。然而，費用及人力因有所限制而被壓縮，壓縮到現在最大的問題就是Burnout（職業倦怠）。

「你不管到全世界那個醫學會開會，最嚴重的也就是最多人去參加的那個會，第一個是Burnout的主題，第二個就是AI的主題，這其實不是巧合；因為大家覺得這可能是唯一有解方的地方。」

李友專指出，台灣的醫院有30%的病床是沒辦法開的，原因是護士不足。如果直線思考認為多付一點給護士讓他們願意來工作就行，但如果真的這樣做，醫療系統可能便會因經費問題而撐不下去。結果變成現在死撐在這個點，能維持醫療但卻不足。不僅護士用血汗苦撐，醫師的薪酬也不斷下降，造成人才流失。

李友專認為AI是一定要推行的，但AI能解決什麼痛點呢? 李友專提出了幾個方向，包括把錯誤再降低、要把疏漏再降低：less error、less omission。

如果以上提的比較保守，那積極正向的就是more precise，要更精準。像利用AI，可以分析如何就不同的患者採用不同的治療，達到更精準更快、更早介入治療的目的。當AI可以使醫療更精準更快、更早介入治療後，便可以在一定程度上解決burnout的問題，讓醫護人員的血汗量消耗可以降低，避免醫療系統崩壞。唯有好好利用AI工具，醫療系統及產業才有可能保有持續性的未來。

雲象科技葉肇元：AI很貴，誰來買單？

葉肇元指出，其實上一波AI大概是從2017年開始，只不過是6、7年前的事，今天大家又突然開始討論生成式AI；但對葉肇元來說，前一波看起來比較遜的AI可能更有用一些。主要是因為生成式AI在醫療領域上有一個比較大的麻煩，就是它會產生一些不是我們真正想要它產生的東西，在解決務實的問題方面有時候很困難，因為其結果不見得可以控制得很好。

其實上一波看起來比較遜的AI沒有成氣候的最大原因是因為他沒有真正落地。如今面對生成式AI的議題，如果要問到底有沒有解決痛點？葉肇元認為是沒有的。主要原因不在技術，而是經濟政治、以及社會的問題。

「因為講到底，其實台灣可能沒有錢來付給這麼高端的科技，這是大家不敢拿出來講，但產業界卻非拿出來講不可的問題，我舉個例子，從2017年開始，國科會及很多部會，都拿出很多經費拿來補助當時很流行的AI。然而，到目前為止，受補助的AI技術在醫院落地的幾乎數不出來，幾乎沒有醫院真正付錢給這些當初國科會想要去鼓勵發展的AI科技。這些AI技術都侷限在拿政府的補助案，從一個部會補助完畢之後，再讓下一個部會拿他的錢來接手這些其他部會補助出來的東西，繼續把這KPI一路寫下去，寫到看起來好像可以出海。這些技術、這些補助，已經一路補助到市場準入計畫，還有海外市場拓展計畫，就是不同的部會一路補助到現在，那到底病患有沒有用到？」

現在台灣到醫院就診的話，很難看到AI真的應用在日常醫療行為中。但事實上，針對醫療行為，AI技術是有解決痛點的。葉肇元表示，如果在美國的話，假設病患中風到醫院診療，可能會有一個VCI的演算法（血管性認知功能障礙，Vascular Cognitive Impairment)，幫病患檢查看要不要做一個血栓溶解的治療，但進行VCI演算法要給付給醫院1,040美元。在台灣，只有少數醫院會購入VCI演算法，絕大部分都沒有。因為在沒有健保給付的狀況之下，醫院本業是虧錢的，如何有能力讓客戶使用此一AI技術?

葉肇元舉了一個醫院有便用AI的例子，但他覺得那是一個有點悲慘的例子。

「奇美醫院有用生成式AI來做一件事情，就是護理資料的彙整，但這個絕對不是一個產業應用的好例子。為什麼他們要做護理資料的彙整？因為現在護理人力缺乏的原因，有時候工時會被偷，也就是說護士下班之後才可以交班。醫院本身也是沒辦法，因為沒有經費可以付更多錢給護士；因此奇美院就想用AI來解決這個問題。但是我們還是回來想個數學問題，如果你沒有錢付給護士，請問你怎麼會有錢付給AI呢？AI是很貴的啊。」

葉肇元認為源頭在於在台灣的醫療體系中，根本的給付問題沒有辦法解決。所以具體應用場景其實大家網路上都可以找到，如果要問生成式AI在醫療領域上面有什麼具體應用場景，網路上可以看到非常多，但如果實際到醫院去問AI在醫療上的應用，可能不容易找到。葉肇元指出，雲象科技雖然是以數位病理知名，但如果要認真研究雲象有什麼AI是醫院用得上的，可能得到的答案只有大腸鏡的AI，那為什麼呢？「因為它可以用在自費健檢，所以醫院才會願意買。這是唯一AI有可能落地的一個原因。」

國泰人壽副總經理林佳穎：人員的體驗最重要

林佳穎所分享的企業AI應用案例比較接近資料治理，也就是國泰人壽於這幾年在整體金融集團的領導之下的轉型故事，其中一些是與AI有關的。國泰人壽的轉型故事從2018年開始，在整體轉型的議題上面，大概聚焦在以下三個重點。第一個重點是員工體驗、第二個重點是客戶體驗、以及第三個重點是業務員體驗。

對保險業來講，原則上通路中最大的是人，客戶是人、行政作業人員也是人，所有的這些都是人的一個行業。國泰人壽在意這些人的體驗，因此在轉型過程中第一件要做的事情就是人機協作。

林佳穎指出，國泰人壽基本上有三種人，第一種人就是「千軍」。千軍是國泰人壽1,000多名的客服人員，包括臨櫃的客服人員；第二種人是「萬馬」。萬馬指的是國壽25,000名的業務同仁。除了千軍萬馬外，第三種人就是國壽全台負責核保、理賠的審查人員，加起來大概500名。國壽針對以上三種人，都在推行一種人機協作的系統。

林佳穎表示，國壽在2018年轉型的時候，翻轉了這三種人員的工作台。工作台就像醫院護理人員在工作時人手一台手推車。每天國壽業務人員一打開系統就會看到他的工作台、審查人員一打開系統也會看到他的工作台；客服人員一打開系統在客戶電話進來的時候，也會看到自己的工作台。從一開始在轉型的時候，便設計成將清楚、簡單、重要的資訊放在工作台上面。除了清楚、簡單資訊之外，操作人員也可以對今天的工作一目了然；甚至客戶還沒有進線之前，客服人員已可大概看到客戶的輪廓。同樣的，業務人員還沒有拜訪到客戶之前，已可以準備好一些主要的sales talk，或者是準備好行程。因此在導入生成式AI、或者是引進一些AI產品的應用前，國壽已經將之擺放在這些人員的工作台內，而生成式AI則是加速了這個場景的發展。

在具體實務上，林佳穎指出大概會用在三個面向。針對千軍萬馬及審查人員，第一件會做的事情是AI coach。人才很寶貴，人的時間成本也很貴，而資深人員更貴。每一次有新進人員的時候，以前都是人在旁邊進行話術演練，而客服人員也由資深同仁來輔導；因此國壽第一個很重要的場景就是運用AI coach。AI coach可以讓使用者與機器人對練，然後機器人會評分，並在評分出來後，寫出它的一些話術的知識。

至於第二個運用重點就是核保理賠這些專業的操作，此一資訊的體系包含剛提到的AI相關的影像，這應該是國壽系統中最接近醫療產業的一個介面。AI可以做這些影像的判讀，甚至是客戶的整體風險評分。

至於第三個面向則是智慧化，而下一個目標就是自動化。像前面提到的千軍萬馬之外，還有許多行政作業人員可能也需要做一些自動化；甚至像國壽目前有500位IT程式人員，他們在做些程式開發的時候，也需要像AI的產品來輔助，讓產出的品質更好。因此針對人機互動的結果，國壽希望整體呈現出來的效果是省時省心又省力，這也是員工體驗的重點。

Facebook 在北美智權報粉絲團上追踪我們