從潛力到落地 醫療導入生成式AI的4大挑戰
[NOWnews今日新聞] 人工智慧（AI）已深刻改變全球醫療產業，不僅重塑服務模式與價值鏈，更成為推動創新與永續的關鍵動能。根據KPMG安侯建業發布最新《智慧醫療》報告指出，面對高齡化社會、醫療人力短缺與行政負擔日益沉重等挑戰，AI不僅能提升醫療效率與重塑照護模式的潛力，有助提供從試點到全面部署的策略。不過，報告也指出，有76%的醫療機構對於AI投資的態度仍偏保守謹慎。
根據調查結果顯示，71%醫療機構認為生成式人工智慧（Generative AI）應用廣泛，已成為推動醫療創新的新引擎，有近6成的機構已將其納入產品與服務開發中。與傳統AI著重分析與預測不同，生成式AI具備更高階的創造能力，能根據學習到的龐大資料模式，應用於自動撰寫出院摘要、合成醫學影像、甚至設計潛在的新藥分子，進一步協助醫療作業流程與研發創新。
資策會MIC資深產業分析師兼組長盧冠芸指出，健康醫療體系本身累積龐大的文本與影像資料，加上運作流程時常涉及繁瑣的行政與臨床作業，為生成式AI的應用提供天然應用場景與迫切需求。
資策會MIC產業分析師謝淑麗分析，生成式AI在健康醫療應用的發展主要以集中在4大關鍵領域，包括行政支援、臨床實務、藥物研發與治療設計、醫學研究與教育訓練，自動化文書處理、簡化排程與帳務流程、並改善病患溝通，協助診斷輔助、病歷摘要生成、臨床筆記整理與放射報告撰寫等，應用於藥物分子設計、早期藥物篩選與個人化療程規劃，並加速文獻整理、研究假說生成、建立病例資料集與教學素材。
不過，生成式AI進入核心醫療流程仍須面對監管門檻，目前生成式AI多應用在健康醫療的周邊或輔助的工作流程，若要真正進入核心醫療照護流程，即「預防」、「診斷」、「治療」和「癒後」，則需通過監管機構如美國食品藥物管理局（FDA）的審核與批准。
截至2025年4月，FDA已審核批准超過千個基於AI與機器學習的醫療設備，但多為預測性或判別性演算法，尚無完全批准生成式AI系統作為直接用於醫療照護流程的醫療設備。因此，FDA正積極制定納入生成式AI的監管框架，例如要求開發者提供關於訓練資料和演算法的詳細資訊，確保AI決策的透明度，以及上市後監測機制。
而不同應用面臨不同的監管路徑，臨床決策支援和診斷工具則需要更高的批准門檻，可能需要臨床驗證研究；至於AI在藥物開發中的應用，監管重點主要在於最終產生的藥物。
KPMG安侯建業健康照護與生技產業服務團隊主持人蘇嘉瑞也指出，因醫療領域具有其特殊性，事關人命安全，相較其他產業，此領域高度敏感性與複雜性，使AI導入過程中將更為謹慎且進程較慢。對醫療機構而言，導入這類技術仍伴隨諸多挑戰與風險，技術層面上，生成式AI可能產出難以追溯或驗證的結果，臨床應用風險高，若缺乏良好流程整合，也可能增加醫護負擔。