華碩以AI算力與開放式數位平台 推動高效醫院與臨床研究自主新時代

面對人口老化、慢性疾病擴大以及醫護人力不足等結構性壓力，醫院必須尋求新一代效率工具，AI與數位平台的結合正象徵醫療系統邁向下一階段。12月4日於2025年台灣醫療科技展舉辦的「華碩電腦智慧醫療研討會」，就「以AI算力與數位平台 打造高效醫院並增進醫師研究自主性」為題，匯聚醫界與產業領袖，以務實視角探索智慧醫療落地模式。

華碩聯合科技開放平台暨AIoT事業部總經理江尹涵在致詞時表示，醫師與研究者雖掌握大量資料與研究題目，卻因工程資源有限，常陷入研究排隊的困境，導致許多想法難以快速落實。因此華碩希望提供一套能讓臨床、學界「自行動手」的AI平台，協助將原始資料轉化為可應用的模型，同時開放穿戴式、超音波等多種裝置的資料匯入，打破資料與工具的碎片化。

華碩電腦營運長全球資深副總裁謝明傑則強調，在AI技術急速進展之際，臨床實務仍面臨算力投資難落地、AI幻覺風險與流程不相容等挑戰，真正能推動智慧醫療前進的不是模型規模，而是以臨床需求為核心的策略。華碩投入No Code AI平台的目的，即在於降低門檻、提升相容性，讓不會寫程式的醫師也能建立自有模型並應用於研究與臨床。

填補醫療流程斷點 AI與穿戴技術推動臨床流程效率化

醫療人力緊縮、高齡化加速、急重症負荷持續攀升，全球醫療體系正面臨前所未有的壓力，智慧醫療被寄望成為改善照護效率與風險管理的關鍵解方。

雙和醫院醫務副院長陳龍從臨床現場出發，指出台灣醫療正站在關鍵十字路口，改革不能等待外部環境帶動，而必須由醫療界主動創造。他提到每年三萬名護理師取得資格，卻僅少數進入醫院，加上的高齡者照護高齡者的現象，使醫療與長照壓力疊加。以急性中風為例，病患常延遲就醫、錯過黃金期，急診與加護病房床位長期緊繃，使處置更困難；偏鄉醫院缺乏神經科與急診專科醫師，更凸顯遠距判讀、AI影像輔助及到院前資訊的重要性。

他指出，智慧醫療若要真正落地，最大的挑戰是流程斷點與資源不連續，各環節缺乏資料串接與足夠人力，若沒有具備臨床決策能力的專科醫師參與，科技系統依然難以運作。談到AI開發，他直言兩大瓶頸，首先是醫護普遍不會寫程式，因此平台必須極度友善；其次是AI開發須由具備臨床流程專業者主導否則難被採用。他呼籲善用科技，讓專科醫師即便在偏鄉也能提高效率，使有限資源下的醫療體系仍能維持品質並推動創新。

亞東醫院研究副院長張至宏表示，面對醫療人力不足與照護壓力，亞東選擇將智慧醫療真正落地至臨床。自去年與華碩簽署合作備忘錄後，醫院在病房導入穿戴式智慧手錶，由護理部督導劉彩文負責臨床試驗與場域研究，希望以實證成果推動持續優化。

劉彩文指出，團隊一年內完成多項IRB審查，並將生理監測結果納入早期預警架構（Early Warning System），與心臟科、健檢中心等單位合作擴展應用，例如心臟科結合新北消防局，在心肌梗塞或心律不整時即時上傳心電圖；健檢中心則以壓力、睡眠與活動量進行個人化風險預測。

在住院照護中，穿戴裝置改善了長期痛點：過去病人每天需被量測4–6次，半夜仍被喚醒，影響睡眠也干擾陪病者；導入穿戴後，病人可24小時被動監測，不必夜間叫醒，安眠藥的開立量也下降。護理端則提升效率與感染管控。

透過華碩開發的閘道器，多台手錶可同時自動上傳資料，並串接院內電子白板，以不同顏色區分手錶與人工量測，大幅提高辨識度。劉督導補充，穿戴裝置在血壓與心率等項目與手動量測高度一致，而15分鐘一次的連續資料能更精準支援早期預警模型，使護理師可遠端掌握多名病患狀態，減少進房頻率並提升病人滿意度。未來團隊計畫將穿戴資料導入PITS與病例系統，並在第一期VIP病房全面部署後於2026年第1季擴大落地，持續發展個人化預測模型，讓穿戴技術在臨床照護中發揮更大效益。

AI與智慧醫材崛起 臨床決策與健康管理邁向整合新模式

在高齡化加速、醫療走向預測式照護的趨勢下，縮短不健康存活期已成核心目標。關渡醫院院長陳亮恭指出，AI正帶來前所未有的預測能力，重點不在延長壽命，而是提前辨識風險、延長健康餘命。他強調，醫療不應再以單一疾病發展AI，大型模型已能跨疾病判讀，關鍵在於整合臨床訊息並回應個體化需求。陳院長團隊長期資料建立「健康長壽指數」，可預測未來四至十二年的「不失能、不失智存活」機率，準確度達75–80%，並以0–100分與紅黃綠分級協助民眾追蹤風險。

他也將健康資料轉為可行動工具，如結合超商商品提供個人化飲食建議，並在「台北通」中加入即時疾病與生活風險評估。研究端則整合蛋白體、基因體、代謝體等多層次資料，建立預測失能失智模型、推算「器官老化指數」，並納入影像與語音訊號，其中語音模型在中英文皆具一致性。最終這些資料匯入「健康預測語言模型」，輸入生理、抽血、生活等資料即可推算未來十年風險並給出個人化建議。他強調，AI的核心價值在於提前預防，多模態訊號未來將整合於同一平台，協助個體在疾病發生前採取行動，真正延長健康壽命。

全球醫療面臨高齡化、財務壓力與專業人力短缺的多重衝擊，AI驅動的智慧醫療正加速成為產業轉型主軸。智璞產業趨勢研究所大健康中心主任申忠哲指出，AI不僅改變醫療技術本身，更正在重新定義醫療服務的供給邏輯，而全球最迫切的缺口已從技術能力轉向「專業供給不足」。從市場規模觀察，全球醫材產業正迅速擴張，預計將從5,800億美元成長至2028年的7,000億美元，其中以AI推動的智慧醫材成長最為強勢，年複合成長率接近45%，涵蓋連續血糖監測、心血管微創手術工具與影像診斷輔助等領域。

近年資本市場的併購明顯集中於影像AI、骨科與心血管創新技術、早期癌症檢測與雲端醫療平台，顯示產業正走向AI、雲端、醫材的整合模式。美國大型醫療系統導入AI時最重視病患安全、技術成熟度與落地速度，因此率先採用的多為低風險、能快速產生效益的應用；而EMR高度集中於EPIC與Cerner，也讓AI更容易且更低成本地介入臨床流程。

在穿戴領域，智慧手錶已從潮流產品轉變為「人體的數位器官」，並取得ECG、睡眠呼吸中止與血壓監測等醫療級核准，使連續生理數據成為重要臨床依據，手持式超音波則因AI影像分析能力提升，在遠距、偏鄉與急診快速普及。申忠哲總結，全球正加速走向整合式醫療服務，未來關鍵不在單一AI技術，而是能串聯臨床與居家照護、同時降本增效的AI平台，將決定智慧醫療競爭格局。

AI驅動醫療走向預測化 華碩攜手臨床打造智慧照護機制

全球醫療由「監測」迅速走向「預測與決策」，AI正成為臨床與監管共同採用的新標準。華碩醫療產品企劃中心經理賴政宇指出，AI進入醫療的速度已遠超過以往，連國際監管機構也開始採用AI工具；以華碩手持超音波送件FDA為例，過去補件往返需兩到三週，如今僅需兩到三小時即可收到精準回覆，顯示智慧醫療環境正全面加速。

他回顧華碩十年來在穿戴式裝置與手持超音波的布局表示，早期重心是累積可靠的健康與影像資料，但當醫療需求轉向模型開發與臨床決策支援後，僅蒐集資料已不足以推動下一階段發展。華碩在一年內拜訪百餘位醫師、護理師與研究者後發現，台灣臨床題目充沛、情境明確，真正的瓶頸在於工程與模型開發資源不足，使許多AI應用無法快速落地，這也成為華碩推動AI工具平台化、協助臨床端自主開發的關鍵契機。

在此背景下，華碩提出三大策略：首先是徹底開放裝置與演算法層級資料。華碩自研作業系統、硬體與雲端架構，能提供最底層原始數據，協助臨床端進行深入研究。其次，平台採用開放式API/SDK架構，使醫院內部HIS、科研系統與判讀平台能快速串接，降低導入摩擦。

第三是打造No-Code AI平台，讓醫師或研究者不需具備撰寫AI程式能力，即可完成資料標註、前處理、任務設定、模型訓練與結果視覺化；平台同時支援ChatGPT、Claude、Gemini等大型語言模型，並為每個單位建置獨立隔離的資料庫以確保資料主權。

在穿戴技術方面，華碩已具備全球最完整的感測器組合，並提供血壓、ECG、AFib、體脂等演算法，所有底層資料均可開放使用，研究者能以原始動作資料進行姿勢、步態等行為分析，形成從裝置端演算法、平台整合到No-Code AI建模的完整架構。

手持超音波則致力於降低操作門檻，讓缺乏完整訓練的使用者也能在AI協助下產生高品質影像。其三層技術包含影像即時優化、探頭姿態校準，以及結合CNN、Autoencoder的語意分割與定位點偵測，並透過 RNN與Transformer選取最佳影像時序。華碩亦將推出可開放射頻原始資料的新款探頭，使影像研究更具彈性。「零程式影像建模模組」可自動建立資料集流程、提供視覺化標註與自動化模型產生，並以大型語言模型生成初版影像報告，使影像AI開發更貼近臨床主導。

隨著多模態AI成為醫療發展主流，華碩正整合穿戴、影像、生化與行為等多源資料，用於心血管疾病、血管硬化與睡眠呼吸中止等風險預測，並同步推出次世代ASUSxHIS平台，以模組化架構與內建AI功能支援臨床，包括病歷摘要、決策提醒與ICD編碼建議，亦可與零程式AI開發平台串接，讓模型回饋能直接嵌入臨床流程。

賴政宇強調，台灣臨床與學術能量已具國際水準，真正缺乏的是一個能快速放大成果、具開放性與可用性的AI平台；未來華碩將持續強化底層演算法、硬體與平台能力，在零程式平台中加入更多預訓練模型，並與醫療界協作，推動台灣醫療AI走向全球舞台。

醫療人力迅速緊縮、智慧照護成為全球顯學，如何以AI與連續監測補強臨床照護缺口，正成為醫院轉型的關鍵議題。萬芳醫院神經外科林明錦醫師指出，疫情與護理人力外流反而加速智慧手錶落地。該院於COVID-19(新冠肺炎)期間導入華碩VivoWatch，發現自動化監測不僅能減少護理師進出病房、降低量測負擔，更能大幅節省人力，由手錶自動回傳心率、血壓、血氧與HRV，也提升了病患的就醫體驗。

更具價值的是其捕捉到原本不會被持續監測的異常，如某位病患心跳大幅降低，外觀看似正常，卻在後續被證實患有心律不整與冠狀動脈疾病，讓醫療團隊首次清晰看見「疾病發生前的資料軌跡」。

針對消費型裝置能否進入臨床的質疑，萬芳的策略並非取代醫療級儀器，而是補上過去完全沒有監測的族群，屬於「從無到有、勝於不做」的模式。實證也顯示心率準確度高，血壓與血氧具趨勢參考價值，使其成為臨床中實用的輔助工具。

林醫師強調，AI＋連續生理資料正在開啟臨床研究的新藍海，能回答過去無法觀察的問題，例如不預期CPR、洗腎病人突發狀況、中風術後控制等。只要依循AI判讀流程設計對照組，每一項應用都可能成為高影響力研究。台灣同時具備臨床場域、AI能量與本土廠商開放合作的優勢，有機會在智慧醫院與健康資料研究上走在全球前端。

在醫療影像快速走向AI、自動化與量化，如何讓高度依賴經驗的超音波真正成為「可複製、可標準化」的診斷工具，成為臨床界的重要課題。台大醫院北護分院復健科主任教學研究部主任張凱閔教授以肩痛為例指出，此症狀在臨床十分常見，傳統理學檢查敏感度有限，而超音波雖可提升精準度，卻高度依賴操作者，影像判讀品質不易一致。

張凱閔因此從「如何讓動態超音波可被量化」著手，與台大資訊團隊合作，針對肩峰與肱骨大轉子等解剖點進行標定，利用App擷取動態抬手時的距離變化與軌跡，建立新的夾擊風險參數，研究證實，夾擊患者的肩峰下距離明顯縮短，ROC分析亦能有效預測臨床風險。

由於人工逐格標記影像需耗時30分鐘以上，團隊進一步導入深度學習，以CNN與Autoencoder自動定位解剖點，並以三像素策略提升稀疏影像中的辨識能力。模型在未訓練資料上仍能準確標定最小肩峰下距離，使其具備實際臨床使用價值。

為推動落地應用，張凱閔與生醫業者合作，讓超音波能即時辨識異常動態。他同時將台灣技術推向國際，包括菲律賓合作研究與布拉格示範，並出版英語教材與指南。張教授強調，超音波結合AI的真正意義，不只是改善診斷，而是讓台灣的臨床技術在全球舞台建立標準與影響力。