华硕以AI算力与开放式数码平台 推动高效医院与临床研究自主新时代

面对人口老化、慢性疾病扩大以及医护人力不足等结构性压力，医院必须寻求新一代效率工具，AI与数码平台的结合正象徵医疗系统迈向下一阶段。12月4日于2025年台湾医疗科技展举办的「华硕电脑智能医疗研讨会」，就「以AI算力与数码平台 打造高效医院并增进医师研究自主性」为题，汇聚医界与产业领袖，以务实视角探索智能医疗落地模式。

华硕联合科技开放平台暨AIoT事业部总经理江尹涵在致词时表示，医师与研究者虽掌握大量数据与研究题目，却因工程资源有限，常陷入研究排队的困境，导致许多想法难以快速落实。因此华硕希望提供一套能让临床、学界「自移动手」的AI平台，协助将原始数据转化为可应用的模型，同时开放穿戴式、超声波等多种装置的数据汇入，打破数据与工具的碎片化。

华硕电脑营运长全球资深副总裁谢明杰则强调，在AI技术急速进展之际，临床实务仍面临算力投资难落地、AI幻觉风险与流程不兼容等挑战，真正能推动智能医疗前进的不是模型规模，而是以临床需求为核心的策略。华硕投入No Code AI平台的目的，即在于降低门槛、提升兼容性，让不会写程序的医师也能建立自有模型并应用于研究与临床。

填补医疗流程断点 AI与穿戴技术推动临床流程效率化

医疗人力紧缩、高龄化加速、急重症负荷持续攀升，全球医疗体系正面临前所未有的压力，智能医疗被寄望成为改善照护效率与风险管理的关键解方。

双和医院医务副院长陈龙从临床现场出发，指出台湾医疗正站在关键十字路口，改革不能等待外部环境带动，而必须由医疗界主动创造。他提到每年三万名护理师取得资格，却仅少数进入医院，加上的高龄者照护高龄者的现象，使医疗与长照压力叠加。以急性中风为例，病患常延迟就医、错过黄金期，急诊与加护病房床位长期紧绷，使处置更困难；偏乡医院缺乏神经科与急诊专科医师，更凸显线上判读、AI影像辅助及到院前信息的重要性。

他指出，智能医疗若要真正落地，最大的挑战是流程断点与资源不连续，各环节缺乏数据串接与足够人力，若没有具备临床决策能力的专科医师参与，科技系统依然难以运作。谈到AI开发，他直言两大瓶颈，首先是医护普遍不会写程序，因此平台必须极度友善；其次是AI开发须由具备临床流程专业者主导否则难被采用。他呼吁善用科技，让专科医师即便在偏乡也能提高效率，使有限资源下的医疗体系仍能维持品质并推动创新。

亚东医院研究副院长张至宏表示，面对医疗人力不足与照护压力，亚东选择将智能医疗真正落地至临床。自去年与华硕签署合作备忘录后，医院在病房导入穿戴式智能手表，由护理部督导刘彩文负责临床试验与场域研究，希望以实证成果推动持续优化。

刘彩文指出，团队一年内完成多项IRB审查，并将生理监测结果纳入早期预警架构（Early Warning System），与心脏科、健检中心等单位合作扩展应用，例如心脏科结合新北消防局，在心肌梗塞或心律不整时实时上传心电图；健检中心则以压力、睡眠与活动量进行个人化风险预测。

在住院照护中，穿戴装置改善了长期痛点：过去病人每天需被量测4–6次，半夜仍被唤醒，影响睡眠也干扰陪病者；导入穿戴后，病人可24小时被动监测，不必夜间叫醒，安眠药的开立量也下降。护理端则提升效率与感染管控。

透过华硕开发的闸道器，多台手表可同时自动上传数据，并串接院内电子白板，以不同颜色区分手表与人工量测，大幅提高识别度。刘督导补充，穿戴装置在血压与心率等项目与手动量测高度一致，而15分钟一次的连续数据能更精准支持早期预警模型，使护理师可线上掌握多名病患状态，减少进房频率并提升病人满意度。未来团队计划将穿戴数据导入PITS与病例系统，并在第一期VIP病房全面部署后于2026年第1季扩大落地，持续发展个人化预测模型，让穿戴技术在临床照护中发挥更大效益。

AI与智能医材崛起 临床决策与健康管理迈向整合新模式

在高龄化加速、医疗走向预测式照护的趋势下，缩短不健康存活期已成核心目标。关渡医院院长陈亮恭指出，AI正带来前所未有的预测能力，重点不在延长寿命，而是提前识别风险、延长健康余命。他强调，医疗不应再以单一疾病发展AI，大型模型已能跨疾病判读，关键在于整合临床信息并回应个体化需求。陈院长团队长期数据建立「健康长寿指数」，可预测未来四至十二年的「不失能、不失智存活」机率，准确度达75–80%，并以0–100分与红黄绿分级协助民众追踪风险。

他也将健康数据转为可移动工具，如结合超商商品提供个人化饮食建议，并在「台北通」中加入实时疾病与生活风险评估。研究端则整合蛋白体、基因体、代谢体等多层次数据，建立预测失能失智模型、推算「器官老化指数」，并纳入影像与语音信号，其中语音模型在中英文皆具一致性。最终这些数据汇入「健康预测语言模型」，输入生理、抽血、生活等数据即可推算未来十年风险并给出个人化建议。他强调，AI的核心价值在于提前预防，多模态信号未来将整合于同一平台，协助个体在疾病发生前采取移动，真正延长健康寿命。

全球医疗面临高龄化、财务压力与专业人力短缺的多重冲击，AI驱动的智能医疗正加速成为产业转型主轴。智璞产业趋势研究所大健康中心主任申忠哲指出，AI不仅改变医疗技术本身，更正在重新定义医疗服务的供给逻辑，而全球最迫切的缺口已从技术能力转向「专业供给不足」。从市场规模观察，全球医材产业正迅速扩张，预计将从5,800亿美元成长至2028年的7,000亿美元，其中以AI推动的智能医材成长最为强势，年复合成长率接近45%，涵盖连续血糖监测、心血管微创手术工具与影像诊断辅助等领域。

近年资本市场的并购明显集中于影像AI、骨科与心血管创新技术、早期癌症检测与云端医疗平台，显示产业正走向AI、云端、医材的整合模式。美国大型医疗系统导入AI时最重视病患安全、技术成熟度与落地速度，因此率先采用的多为低风险、能快速产生效益的应用；而EMR高度集中于EPIC与Cerner，也让AI更容易且更低成本地介入临床流程。

在穿戴领域，智能手表已从潮流产品转变为「人体的数码器官」，并取得ECG、睡眠呼吸中止与血压监测等医疗级核准，使连续生理数据成为重要临床依据，手持式超声波则因AI影像分析能力提升，在线上、偏乡与急诊快速普及。申忠哲总结，全球正加速走向整合式医疗服务，未来关键不在单一AI技术，而是能串联临床与居家照护、同时降本增效的AI平台，将决定智能医疗竞争格局。

AI驱动医疗走向预测化 华硕携手临床打造智能照护机制

全球医疗由「监测」迅速走向「预测与决策」，AI正成为临床与监管共同采用的新标准。华硕医疗产品企划中心经理赖政宇指出，AI进入医疗的速度已远超过以往，连国际监管机构也开始采用AI工具；以华硕手持超声波送件FDA为例，过去补件往返需两到三周，如今仅需两到三小时即可收到精准回覆，显示智能医疗环境正全面加速。

他回顾华硕十年来在穿戴式装置与手持超声波的布局表示，早期重心是累积可靠的健康与影像数据，但当医疗需求转向模型开发与临床决策支持后，仅蒐集数据已不足以推动下一阶段发展。华硕在一年内拜访百余位医师、护理师与研究者后发现，台湾临床题目充沛、情境明确，真正的瓶颈在于工程与模型开发资源不足，使许多AI应用无法快速落地，这也成为华硕推动AI工具平台化、协助临床端自主开发的关键契机。

在此背景下，华硕提出三大策略：首先是彻底开放装置与演算法层级数据。华硕自研操作系统、硬件与云端架构，能提供最底层原始数据，协助临床端进行深入研究。其次，平台采用开放式API/SDK架构，使医院内部HIS、科研系统与判读平台能快速串接，降低导入摩擦。

第三是打造No-Code AI平台，让医师或研究者不需具备撰写AI程序能力，即可完成数据标注、前处理、任务设定、模型训练与结果视觉化；平台同时支持ChatGPT、Claude、Gemini等大型语言模型，并为每个单位建置独立隔离的数据库以确保数据主权。

在穿戴技术方面，华硕已具备全球最完整的传感器组合，并提供血压、ECG、AFib、体脂等演算法，所有底层数据均可开放使用，研究者能以原始动作数据进行姿势、步态等行为分析，形成从装置端演算法、平台整合到No-Code AI建模的完整架构。

手持超声波则致力于降低操作门槛，让缺乏完整训练的使用者也能在AI协助下产生高品质影像。其三层技术包含影像实时优化、探头姿态校准，以及结合CNN、Autoencoder的语意分割与定位点侦测，并透过 RNN与Transformer选取最佳影像时序。华硕亦将推出可开放射频原始数据的新款探头，使影像研究更具弹性。「零程序影像建模模块」可自动建立数据集流程、提供视觉化标注与自动化模型产生，并以大型语言模型生成初版影像报告，使影像AI开发更贴近临床主导。

随着多模态AI成为医疗发展主流，华硕正整合穿戴、影像、生化与行为等多源数据，用于心血管疾病、血管硬化与睡眠呼吸中止等风险预测，并同步推出次时代ASUSxHIS平台，以模块化架构与内建AI功能支持临床，包括病历摘要、决策提醒与ICD编码建议，亦可与零程序AI开发平台串接，让模型回馈能直接嵌入临床流程。

赖政宇强调，台湾临床与学术能量已具国际水准，真正缺乏的是一个能快速放大成果、具开放性与可用性的AI平台；未来华硕将持续强化底层演算法、硬件与平台能力，在零程序平台中加入更多预训练模型，并与医疗界协作，推动台湾医疗AI走向全球舞台。

医疗人力迅速紧缩、智能照护成为全球显学，如何以AI与连续监测补强临床照护缺口，正成为医院转型的关键议题。万芳医院神经外科林明锦医师指出，疫情与护理人力外流反而加速智能手表落地。该院于COVID-19(新冠肺炎)期间导入华硕vivoWatch，发现自动化监测不仅能减少护理师进出病房、降低量测负担，更能大幅节省人力，由手表自动回传心率、血压、血氧与HRV，也提升了病患的就医体验。

更具价值的是其捕捉到原本不会被持续监测的异常，如某位病患心跳大幅降低，外观看似正常，却在后续被证实患有心律不整与冠状动脉疾病，让医疗团队首次清晰看见「疾病发生前的数据轨迹」。

针对消费型装置能否进入临床的质疑，万芳的策略并非取代医疗级仪器，而是补上过去完全没有监测的族群，属于「从无到有、胜于不做」的模式。实证也显示心率准确度高，血压与血氧具趋势参考价值，使其成为临床中实用的辅助工具。

林医师强调，AI＋连续生理数据正在开启临床研究的新蓝海，能回答过去无法观察的问题，例如不预期CPR、洗肾病人突发状况、中风术后控制等。只要依循AI判读流程设计对照组，每一项应用都可能成为高影响力研究。台湾同时具备临床场域、AI能量与本土厂商开放合作的优势，有机会在智能医院与健康数据研究上走在全球前端。

在医疗影像快速走向AI、自动化与量化，如何让高度依赖经验的超声波真正成为「可复制、可标准化」的诊断工具，成为临床界的重要课题。台大医院北护分院复健科主任教学研究部主任张凯闵教授以肩痛为例指出，此症状在临床十分常见，传统理学检查敏感度有限，而超声波虽可提升精准度，却高度依赖操作者，影像判读品质不易一致。

张凯闵因此从「如何让动态超声波可被量化」着手，与台大信息团队合作，针对肩峰与肱骨大转子等解剖点进行标定，利用App撷取动态抬手时的距离变化与轨迹，建立新的夹击风险参数，研究证实，夹击患者的肩峰下距离明显缩短，ROC分析亦能有效预测临床风险。

由于人工逐格标记影像需耗时30分钟以上，团队进一步导入深度学习，以CNN与Autoencoder自动定位解剖点，并以三像素策略提升稀疏影像中的识别能力。模型在未训练数据上仍能准确标定最小肩峰下距离，使其具备实际临床使用价值。

为推动落地应用，张凯闵与生医业者合作，让超声波能实时识别异常动态。他同时将台湾技术推向国际，包括菲律宾合作研究与布拉格示范，并出版英语教材与指南。张教授强调，超声波结合AI的真正意义，不只是改善诊断，而是让台湾的临床技术在全球舞台建立标准与影响力。