<div class="field field-name-field-news-column-category field-type-taxonomy-term-reference field-label-hidden"><div class="field-items"><div class="field-item even"><a href="/tags/%E6%96%B0%E8%81%9E">新聞</a></div></div></div><div class="field field-name-body field-type-text-with-summary field-label-hidden"><div class="field-items"><div class="field-item even"><p><span style="color: rgb(0, 0, 255);">重點新聞（1216～1231）</span></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 韓國 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 醫療AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 資料 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>韓國衛福部如何把醫療資料升級為國家AI基礎建設？</strong></span></p>
<p>韓國衛福部（MOHW）在2025年12月召開年度醫療資料政策審議委員會，釋出一項明確訊號：醫療資料不再只是被動保存的公共資源，而是國家級的醫療AI基礎建設。</p>
<p>這場會議聚焦三個層面，首先是補齊AI最關鍵的資料缺口。衛福部自2025年起，陸續把韓國三家國立大學醫院的臨床資料，正式串接至原本以行政資料為主的醫療大數據平臺，讓AI模型訓練不再只依賴保險與申報資料。同時，他們也將於2026年下半年，分階段開放國家級整合生醫大數據庫，並在2028年，將資料量擴充至77萬名參與者，作為長期AI與精準醫療研究的底層資料池。</p>
<p>第二個層面是讓資料「找得到、用得動」。韓國衛福部指出，過去醫療資料最大的問題不在於不存在，而是難以辨識與取得。因此，他們將透過詮釋資料（Metadata）描述資料結構和內容，來協助研究者快速掌握各機構的可用資料。同時，衛福部也將擴大醫療資料存取券（Data Voucher）計畫，2026年補助案數將從8件增加至40件，直接降低AI新創和中小企業取得醫療資料的門檻。為避免流程卡關，政府也將制定倫理審查委員會（IRB）和資料審查委員會（DRB）的標準作業流程，並導入聯合審查機制。</p>
<p>第三層面是將AI驗證納入制度，而非事後補救。韓國政府並未讓醫療AI直接進入臨床場域，而是規畫於2026年啟動20項醫療AI驗證專案，系統性評估AI效能和臨床有效性。他們進一步規畫，將「資料驅動醫院」升級為AI研發與驗證的整合平臺，確保AI從研發、驗證到實際應用能形成完整生命周期。<a href="https://www.mohw.go.kr/board.es?mid=a20401000000&bid=0032&act=view&list_no=1488202&tag=&nPage=1">（詳全文）</a></p>
<p><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> HTI-1 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 醫療AI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 互通 </span></strong></span></p>
<p><span style="font-size: 22px;"><strong>醫療AI不再是黑箱，美國醫療資料互通新規範HTI-1 Final Rule正式上路</strong></span></p>
<p>美國政府開始對醫療AI透明度立下明確規則，美國國家健康資訊技術協調辦公室（ONC）近日公布HTI-1（Health Data, Technology, and Interoperability-1）Final Rule 最終規則，要求所有官方認證的醫療IT系統，只要內建AI或風險預測演算法，就必須提供最低限度且可比較的基本說明資訊，讓醫師知道這些工具怎麼用、用了哪些訓練資料、適合用在誰身上，以及有哪些限制。</p>
<p>這是因為，過去，許多臨床決策輔助系統或醫療AI雖已在第一線使用，但對醫護人員來說，往往只看到「結果」，卻不清楚模型背後的資料來源、適用族群，甚至潛在偏誤風險。HTI-1的用意，並不是要求公開演算法細節，而是設下一個最低門檻，避免醫療AI成為無法被理解與檢視的黑箱。</p>
<p>除了AI治理，HTI-1最終規則也更新了醫療資料互通的基本規則。新法規將USCDI v3（第三版）訂為未來的資料交換基準，要求系統在交換病歷時，提供更完整的病人特徵與背景資訊，例如與健康公平、公共衛生和社會決定因素（SDOH）相關的資料，來提升跨系統資料的實用性。</p>
<p>在資料交換政策上，美國政府也調整「資訊阻擋」規範，鼓勵醫療機構與廠商透過共同的交換框架進行資料分享，減少各自為政的情況。另一方面，HTI-1首度要求醫療IT廠商回報系統實際被使用的互通情形，讓政策不再只停留在「系統有沒有建好」，而是能評估是否真的幫助臨床照護。簡單來說，HTI-1最終規則的出現，意味著美國醫療數位政策已從「技術合規」走向「使用成效和責任治理」，也為醫療AI和FHIR資料互通立下新的監管方向。<a href="https://www.healthit.gov/topic/laws-regulation-and-policy/health-data-technology-and-interoperability-certification-program">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202026-01-05%20160605.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 衛福部 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> FHIR資料中臺 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 一條龍工具 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>衛福部揭FHIR資料中臺新進展</strong></span></p>
<p>2025年12月中，衛福部資訊處進行跨院電子病歷即時互通實測，首度驗證衛福部FHIR資料中臺的可行性。衛福部資訊處處長李建璋形容，當三家使用不同電子病歷系統的醫學中心，在現場即時交換病歷資料時，震撼程度「就像雪山隧道打通一樣」。</p>
<p>此次驗證由林口長庚、馬偕醫院與中山醫學大學附設醫院共同參與，模擬胸痛病人跨院就醫情境，系統可即時從他院調閱病歷與用藥紀錄，並在背景完成臺灣核心資料（TWCDI）標準轉換，串接SMART App進行抗凝血劑出血風險分析。中山附醫指出，衛福部FHIR資料中臺與院內FHIR伺服器的交換機制已在實務上證實可行，未來大規模施行後，將突破過去只能交換4種病歷單張的限制。</p>
<p>在標準化作業上，衛福部已在臺灣核心實作指引（TW Core IG）中定義109個病歷單張。衛福部也委由工研院開發FHIR一條龍轉換工具，能根據醫院病歷資料，經大型語言模型分析、推薦相對應的SNOMED CT、LOINC和RxNorm編碼。中山附醫也參與一條龍工具驗證，目前已上傳數千筆出院病摘與相關病歷資料，並完成上千筆SNOMED CT編碼驗證，每筆平均仍需人工修正數次。但相較於過去完全人工逐筆編碼，透過AI推薦、再由疾分人員確認的人機協作流程，已明顯降低人力負擔。中山附醫也建議，後續能否擴大落地，仍取決於工具成熟度，以及是否搭配醫院評鑑加分或健保給付等政策誘因。<a href="https://www.ithome.com.tw/news/173064">（詳全文）</a></p>
<p><strong><span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 澳洲 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 數位技能 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 專職醫療人員 </span></strong></span></strong></p>
<p><strong><span style="font-size: 22px;"><strong>澳洲推5年醫療人員數位能力培養計畫</strong></span></strong></p>
<p>澳洲政府宣布推動國家輔助醫療人員數位技能升級計畫（National Allied Health Digital Uplift Plan），希望用5年時間，來強化專職醫療人員（Allied Health Professionals）的數位能力，讓這群在基層醫療中人數最多的醫療人力，真正接上國家級數位健康體系。該計畫由澳洲數位醫療局和衛生部共同規畫，並獲澳洲輔助醫療專業聯盟（AHPA）支持。</p>
<p>澳洲政府指出，專職醫療人員是指醫師、護理師以外的醫療人員，如物理治療師、職能治療師、語言治療師、營養師和心理師等，他們是澳洲基層照護與慢性病管理的重要支柱，但數位化程度明顯落後。2024年調查顯示，約70%的專職醫療人員認同數位健康資料對照護有幫助，但卻很少使用國家開發的數位工具，如My Health Record或Provider Connect Australia（PCA），凸顯了「不知道怎麼用、也不知道為什麼要用」的問題。</p>
<p>為此，澳洲規畫分三個階段解決痛點。第一階段為2025～2027年，先打基礎，簡化註冊流程、擴大專職醫療人員存取My Health Record的權限，並提升對既有數位工具的認知與基本操作。第二階段是2027～2029年，要擴大實際應用，透過示範案例證明數位工具的價值，並把數位健康納入教育、在職訓練和政策設計。第三階段則是2029年以後，要完成真正轉型，讓跨專業資料無縫流動，並導入AI輔助照護，打造可持續優化的數位健康體系。<a href="https://www.digitalhealth.gov.au/about-us/strategies-and-plans/national-allied-health-digital-uplift-plan">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202026-01-05%20160759.png" /></p>
<p><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> FHIR伺服器 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 衛福部 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 競賽 </span></strong></span></p>
<p><span style="font-size:22px;"><strong>衛福部揭露首屆國際FHIR伺服器效能競賽成果</strong></span></p>
<p>為加速醫療資訊化與跨院資料互通，衛福部資訊處日前舉辦首屆國際 FHIR伺服器效能競賽，實測在高負載情境下，FHIR電子病歷交換的實際效能。衛福部資訊處處長李建璋指出，衛福部已協助三家示範醫院導入FHIR電子病歷萃取工具，並完成概念驗證，下一步關鍵是在尖峰時段，能否維持毫秒等級的交換效能。</p>
<p>這場競賽的參賽廠商，包括了新加坡InterSystems公司、臺灣大同醫護、緯謙科技、廣達電腦和群聯電子等5家業者。測試方式是先把100萬筆電子病歷匯入標準化電子病歷平臺，再分別連接各家廠商的FHIR伺服器，實際量測病歷資料提供給臨床決策系統與SMART on FHIR應用程式所需的時間，同時進行連續24小時的不間斷壓力測試。</p>
<p>李建璋表示，這場競賽目標是找出可在高流量下穩定運作的架構，最終打造具國家公信力的FHIR標準實驗室，作為未來全國醫療資料互通與智慧醫療應用的技術基礎。最後，最佳硬體效能獎、最佳即時應用獎由群聯電子獲得，最佳軟體效能設計獎由InterSystems獲得，最佳批次轉換獎由廣達電子獲得，最佳技術創新獎由大同醫護獲得，評審團特別獎則由緯謙科技獲得。<a href="https://dep.mohw.gov.tw/DOIM/cp-935-84913-114.html">（詳全文）</a></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;">臺北榮總 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> GenAI </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 智慧病歷 </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>臺北榮總揭GenAI智慧病歷助手</strong></span></strong></p>
<p>臺北榮民總醫院日前在醫療科技展中，揭露自家生成式AI智慧病歷助手，已於2025年10月正式導入內科、外科、兒科與婦產科等4大科別，協助醫師快速產出入院病摘、病程紀錄與出院病摘草稿，並整合檢驗、影像、用藥與生命徵象等跨系統資料，減輕病歷書寫負擔。</p>
<p>北榮指出，雖然病歷早已電子化，但醫師仍高度仰賴人工輸入。以住院醫師為例，每天平均需撰寫6～10份病程紀錄，一份完整入院病摘往往需花費30分鐘到2小時，還得在HIS、LIS、PACS等多套系統間切換查資料。為解決這些痛點，北榮聯手業者導入生成式AI病歷助手，讓系統先產出草稿，醫師再審閱與修正。</p>
<p>在技術架構上，北榮採用地端模型與院內專網部署，病歷資料不外流，並整合既有HIS介面，醫師無須切換系統即可使用。院方也導入版本控管與使用者審核紀錄，符合ISO 27001、HIPAA與個資法等資安規範。為確保尖峰時段效能，系統也會在離峰時間預先運算，降低延遲。</p>
<p>北榮評估，導入後可減少約40～50%的病歷撰寫時間，住院病歷完成率也隨之提高。下一步，北榮計畫結合語音轉錄與摘要功能，進一步發展臨床提醒與決策輔助，讓AI從「減勞」走向「輔助判斷」，但最終決策仍由醫師負責。<a href="https://www.ithome.com.tw/news/172647">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202025-12-04%20184221.png" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 健保署 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 癌症 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 大數據資料庫 </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>健保署揭癌症治療的數位治理進展</strong></span></strong></p>
<p>健保署在2025年12月初揭露癌症治療的數位治理進展，重點放在資料整合、全人照護流程銜接，以及跨院資料互通等三大方向，要實現2030年癌症標準化死亡率降低三分之一的目標。健保署先盤點2018年各醫學中心與專科癌症醫院數據，他們發現，不同醫院間的存活率差距顯著，以肺癌為例，5年存活率最高達64.3%，最低才22.5%，差距超過40%。</p>
<p>為縮小落差，健保署建置了跨司署的癌症大數據資料庫，整合病理和影像報告、健保申報資料、癌症指引、癌篩與醫事人力設備等資料，並開發存活率、死亡率、新藥使用率與癌症費用的即時監測功能。健保雲端系統也導入大型語言模型，來將原本條列式的資料，升級為可快速呈現病程和的摘要和變化趨勢，協助醫師判讀。</p>
<p>在癌篩資料方面，健保署已整合大腸癌、口腔癌、乳癌與子宮頸癌篩檢資料，2025年除了新增肺癌低劑量電腦斷層（LDCT），2026年還將納入子宮頸癌HPV檢測與胃癌篩檢。至於資料互通，健保署推動FHIR標準癌藥事審，目前166家申請癌藥事前審查的醫院中，已有69家參與實作，其中19家開始以FHIR送審。健保署指出，透過標準化與自動化審查，原本需約14天的人工申請流程，可望大幅縮短，讓病人更快使用癌藥。<a href="https://www.ithome.com.tw/news/172584">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/%E8%9E%A2%E5%B9%95%E6%93%B7%E5%8F%96%E7%95%AB%E9%9D%A2%202025-12-02%20203804.png" /></p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> AI影響性研究中心 </span></strong></span> <span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> 衛福部 </span></strong></span> <span style="color: rgb(255, 255, 255);"><strong><span style="background-color: rgb(51, 153, 255);"> 中央IRB </span></strong></span></strong></p>
<p><strong><span style="font-size:22px;"><strong>衛福部揭AI影響性研究中心進展，未來擬成立中央IRB</strong></span></strong></p>
<p>AI在醫療界熱度不減，但最大難題一直是沒有明確的成本回收模式。衛福部資訊處在11月20日指出，若要醫療AI有機會納入健保給付，前提是建立可信的本土隨機對照試驗（RCT），而不是單靠國外研究。</p>
<p>資訊處表示，傳統隨機對照試驗能驗證藥物是否有效，但AI本身不提供治療，真正改變病人預後的是AI加上醫療介入。因此，AI評估必須結合醫療行為，才能看出預後差異。例如三總進行近1.6萬人的大規模本土RCT，驗證其心電圖AI搭配早期介入，患者90天心臟死亡率下降97%，並將結果發表於《Nature Medicine》。</p>
<p>為建立符合臺灣臨床實證機制，資訊處成立AI影響性研究中心，由北榮、三總、臺大醫院、臺中榮總和成大醫院領軍，共27家醫院一起協作。目前已有6項AI進行本土實證，如肺癌LDCT AI、眼科眼底鏡AI、心電圖AI整合醫院急救流程、智骨篩、婦癌影像身體組成與化療劑量雙向研究等。</p>
<p>衛福部資訊處也擬成立中央AI-IRB，來解決多中心審查標準不一致的問題，加速本土RCT研究推動。資訊處強調，臺灣必須具備執行AI介入性臨床試驗的能力，未來將持續投入至少2年，讓AI健保評估真正符合本土需求。<a href="https://www.ithome.com.tw/news/172442">（詳全文）</a></p>
<p><img alt="" src="https://s4.itho.me/sites/default/files/images/IMG_8758.jpg" /></p>
<p>圖片來源／ONC、澳洲數位醫療局、臺北榮總、健保署</p>
<p>攝影／王若樸</p>
<p><strong><span style="color:#FFFFFF;"><strong><span style="background-color:#3399ff;"> MedTech醫療科技近期新聞 </span></strong></span></strong></p>
<p><strong><strong>1. <a href="https://www.youtube.com/watch?v=EFXkgy3Fd_c&list=PL2yQDdvlhXf9gdFFBcDPUHAJS7kkIkIet&index=174">AZ揭露如何用AI代理加速藥物開發</a></strong></strong></p>
<p>資料來源：iThome整理，2026年1月</p>
</div></div></div>
