先提醒你：這一集錄音很長、細節也多，主題雖然是「醫院怎麼導入 AI」，但對任何正在思考導入 AI 的企業或組織來說，都是一份極具參考價值的地圖，非常值得你存下來、好好反覆聽上幾次。

在先前的節目裡，我們聊過 Ambient Listening——一種讓 AI 在背景聆聽醫病對話、自動生成病歷的技術，被稱為美國醫療史上採用速度最快的科技。但一家醫院要導入 AI，從來不只是裝個軟體、按個開關：裡頭有醫生、護理師、行政與 IT，外頭還有保險公司、監管機關，以及最重要的病人。這一集，數位時代創新長黃亮崢 James 再次邀請美國杜克大學健康創新研究所（DIHI）臨床導入負責人葉俊廷 Tyng，分享美國醫院導入 AI 的第一手經驗，以及對台灣與各行各業的啟發。

聽完這集你可以學到：

1. 先問「能不能不要用 AI」：八大關鍵決策點俊廷所在的 HAIP 把導入拆成採購、開發、導入、生命週期管理四大階段、共八個決策點。最該先問的不是「要用哪個 AI」，而是「這個問題非用 AI 不可嗎」，並在動手前就把「什麼叫成功」定義清楚。

2. 自建、外購，還是共同開發？ 自建需要強大的團隊、資料管線與法遵能力，寫程式（Vibe Coding）只是最小的一塊；外購雖能轉嫁部分責任，卻可能被廠商鎖死（Vendor Lock-in）。第三條路是與新創共同開發，特別適合需求小眾或資源有限的場景。

3. AI 治理委員會，不能只有 IT：AI 早已超出 IT 的範疇，會直接衝擊工作流程、病患與財務。一個有效的治理委員會（PPTO：人員、流程、技術、營運）必須納入臨床、護理、法遵、倫理、財務甚至病人代表，並要有管理層由上而下的支持。

4. 上線才是開始：要會監控，也要會退役生成式 AI 會隨著版本「飄移」，必須持續監控；更關鍵的是動手前就先訂好「退役標準」。許多單位捨不得沉沒成本，明知工具已不堪用卻不敢下架——啟用很容易，真正困難的是把它移除。

5. AI 會繼承資料裡的偏誤：HEAAL 框架 AI 是一面放大鏡，訓練資料裡的偏見會被它一併學走。HEAAL（Health Equity Across the AI Lifecycle）提醒，從美國保險演算法對特定族群的歧視，到台灣台語、原住民語、移工語言的辨識落差，公平性是每個導入 AI 的組織都該主動檢視的事。

6. 台灣的機會與隱憂：衛福部已設立 AI 中心、主管機關也核准多項 AI 醫材；但醫師實際在用的 Open Evidence、ChatGPT 多半不是醫材，落入「影子 AI」的監管空白。台灣擁有健保資料的優勢，很適合以聯邦學習、跨院串聯的方式，建立屬於自己的在地驗證網路。

這一集對非醫療產業的聽眾同樣受用。俊廷形容，醫療是少數同時具備嚴格控管、高度監管、低風險承受度與獨特價值體系的產業，因此醫院想出來的 AI 治理框架，可以視為一份「考 100 分」的範例，金融業可以參考它的法遵做法、航空業可以參考它的安全評估，各行各業都能從中挑出自己需要的部分。而他最想留給所有人的提醒，其實只有兩句：第一，AI 導入是組織變革，技術通常是最容易的；第二，上線從來不是終點，而是起點，後面的持續監控、價值評估與適時退役，才是真正決定 AI 能不能發揮價值的關鍵。

補充資源》
Health AI Partnership（HAIP）官方網站，收錄本集提到的八大關鍵決策點開源框架：https://healthaipartnership.org/

Powered by Firstory Hosting

數位關鍵字243.AI 不是裝個軟體就好！一家醫院導入 AI 的真實樣貌與全行業啟發

數位時代 Business Next

數位關鍵字243.AI 不是裝個軟體就好！一家醫院導入 AI 的真實樣貌與全行業啟發