減輕醫生工作量！雲象科技讓醫療影像AI落實臨床，加快診斷效率|數位時代 BusinessNext

隨著技術發展，運算能力的提高、相對便宜儲存空間都為不同產業提供更好的「數位化」環境，但即便如此，缺乏跨界人才及知識仍讓企業數位化的腳步顯得緩慢。

雲象科技（aetherAI）創辦人葉肇元在美國南加州大學（University of Southern California）攻讀病理學（Pathology）博士期間，發現數位化的玻片影像會為病理方面帶來巨大改變，2015 年決定回來台灣，與康家彬及葉一忠共同創辦雲象科技，結合專業醫學背景與資訊工程背景，希望能打造國際級的醫療影像AI公司，協助大型醫療院所順利數位化、也推動醫療民主化。

掃描、建檔、資料分享：數位病理影像平台

雲象科技的第一款產品為 2017 年發表的「數位病理影像平台」。傳統上，病理科醫師在進行病理組織切片的形態學檢查時只留下文字紀錄而非影像紀錄。隨著近年顯微攝影技術及機器自動化技術進步，能自動將組織病理切片進行完整的掃描，病理因此有了數位化契機。

藉由雲象科技的服務，客戶只需要提供組織病理玻片，公司會提供數位掃描服務，並根據其需求建置雲端數位玻片資料庫。葉肇元表示這款產品除了協助醫生可以更方便、快速分享數位玻片外，同時也提供獲得發明專利的玻片導覽系統，使用者能藉其記錄玻片瀏覽步驟進而用以教學。

醫療影像 AI 開發平台 : aetherAI

隨著第一款產品愈發完善及穩定，葉肇元也開始思考公司下一個發展方向，近年來 AI 技術爆發性突破，他認為 AI 若應用在醫療影像，將可能大幅扭轉現今醫療環境。於是進一步調整公司發展方向，以原有數位病理影像為基礎，延伸技術加入深度學習能力，將平台擴大以利醫療影像 AI 開發，並在今年正式發表第二款產品「醫療影像 AI 開發平台—aetherAI」。

雲象科技將 aetherAI 這款產品定義為醫療機構開發醫療影像 AI 的孵化平台，醫院各科專家能將各式 DICOM（DICOM，Digital Imaging and Communications in Medicine，醫療數位影像傳輸協定）檔及醫療知識注入平台，平台會建立模型並檢視結果，並實際應用於放射影像的術後因子預測及特定病理影像超過 90% 的癌症偵測。

沒有充足資料作為 AI 發展基礎是無法成功，為了達到更高的模型水準，雲象科技也積極與大型醫療院所、國內外研究機構合作，藉此擴大資料集的種類、品質與建置範圍，目前美國洛杉磯 Cedars-Sinai Medical Center, 匹茲堡 University of Pittsburgh Medical Center、長庚醫院、台北榮總等都是他們的合作夥伴。

「透過醫療影像 AI，將能讓醫師減少重複性的工作、更有效率完成複雜度高的診斷、甚至是找出影像當中隱而未現的知識，讓深度學習能真正在臨床上落實，產生效果。」葉肇元說。

憑藉這款產品，雲象更奪下今年 NVIDIA GPU 技術大會（NVIDIA GPU Technology Conference; GTC）新創團隊培育計畫（NVIDIA Inception Program）競賽冠軍。

自學AI、建立產業競爭優勢

這一路發展以來也非一帆風順，決定轉型成為 AI 醫療影像公司後，雲象科技也面臨多數 AI 公司遇到的問題，那就是人才不足。

電腦視覺已經是一門艱深學問，雲象所需的人才還需要同時兼具相當醫療影像專業，才有辦法發展。找不到人怎麼辦？那就下來自己學吧！於是，尋找人才過程中，葉肇元與團隊自學 AI，並借重自身的醫師專業知識與醫學資料，持續改善深度學習標記介面，將訓練好的後端程式串接到前端，執行神經網路推論。

雖然辛苦，但這段歷程也為雲象科技闢出新的道路與機會，並建立起競爭優勢。

因為自學 AI 的成果，葉肇元有機會到成大教授深度學習課程，也因而與學界建立起連結。透過這樣的連結，雲象科技能吸收到素質不錯的實習生，藉實習訓練使他們在學期間便能同時接觸電腦視覺與醫療影像專業，實習結束後這些學生有很大機會回到公司服務。具備醫療與 AI 跨領域專業人才，也成為雲象科技其中一大競爭優勢。

目前，全球除了雲象科技之外，市場上提供類似服務的競爭者還有 Lunit、PathAI、Zebra，葉肇元說相較這些公司大多是從特定醫療機構合作出發進而開發出相關工具，雲象科技從最初就採取開放態度，與任何想要發展 AI 技術的機構合作，無論對合作方還是自身而言，擁有更多可能性。

隨著人才逐漸到位、產品更加成熟穩定，雲象科技事業開發經理顏睿甫表示預計今年結束將能在台灣奪下 70% 的醫療影像市場。但除了台灣，他們想進軍全球成為國際公司的夢想也持續進行，葉肇元表示目前已著手開啟新一輪募資，這筆資金將主要用以團隊攻打海外市場。對他們來說，除了馬步得蹲確實之外，也要追求速度，因為現階段醫療影像分析仍是藍海市場，關於產品該長什麼樣還沒有一定準則，能否搶快將是未來能否成為一方霸主關鍵。

創業快問快答

要達到下一步目標，團隊目前缺乏的資源是？
需要持續擴大與醫院的合作程度，大量收集高品質的醫療影像資料集，才能在國際的競爭上取得優勢。

創業至今，做得最好的三件事為何？
1.專注技術，持續投資資源在研發上，讓我們解決所有流程上的斷點
2.連結臨床，與醫師深度合作鎖定有價值的應用深入鑽研
3.發揮熱情，邀請最具優秀的成員加入團隊，提供舞台

最常被客戶或投資人問起的事情？您會如何回應？
Q：醫療影像AI應該怎麼獲利？
A：傾聽醫界的需求，在長期規劃產品研發，以及短期因應市場動態而改變策略當中盡量取得動態平衡。

公司資訊

公司名稱：雲象科技/aetherAI
成立時間：2015/10/7
產品名稱：醫療影像AI開發平台
上線時間：2018/5/1
團隊人數：9人
官方網站｜LinkedIn｜MeetHub

本文授權轉載自：創業小聚

「代理式 AI 」（Agentic AI）的創新服務正在重新塑造企業對AI的想像：成為內部實際運行的數位員工，提升關鍵工作流程的效率。代理式AI的技術應用清楚指向一個核心趨勢：2025 年是 AI 邁向「代理式 AI」的起點，讓 AI 擁有決策自主權的技術轉型關鍵，2026 年這股浪潮將持續擴大並邁向規模化部署。

面對這股 AI Agent 浪潮，企業如何加速落地成為關鍵，博弘雲端以雲端與數據整合實力，結合零售、金融等產業經驗，提出 AI 系統整合商定位，協助企業從規劃、導入到維運，降低試錯風險，成為企業佈局 AI 的關鍵夥伴。

避開 AI 轉型冤枉路，企業該如何走對第一步？

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題、生成內容的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工，應用場景也從單一任務延伸至多代理協作（Multi-Agent）模式。

「儘管 AI 前景看好，但這條導入之路並非一帆風順。」博弘雲端技術維運中心副總經理暨技術長宋青雲綜合多份市場調查報告指出，到了 2028 年，高達 70% 的重複性工作將被 AI 取代，但同時也有約 40% 的生成式 AI 專案面臨失敗風險；關鍵原因在於，企業常常低估了導入 GenAI 的整體難度——挑戰不僅來自 AI 相關技術的快速更迭，更涉及流程變革與人員適應。

博弘雲端事業中心副總經理陳亭竹指出，AI 已經從過去被動回答問題的智慧助手，正式進化為具備自主執行能力、可跨系統協作的數位員工。面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時加速 AI 落地。

圖／數位時代

正因如此，企業在導入 AI 時，其實需要外部專業夥伴的協助，而博弘雲端不僅擁有導入 AI 應用所需的完整技術能力，涵蓋數據、雲端、應用開發、資安防禦與維運，可以一站式滿足企業需求，更能使企業在 AI 轉型過程中少走冤枉路。

宋青雲表示，許多企業在導入 AI 時，往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

轉換率提升 50% 的關鍵：HAPPY GO 的 AI 落地實戰路徑

博弘雲端這套導入方法論，並非紙上談兵，而是已在多個實際場域中驗證成效；鼎鼎聯合行銷的 HAPPY GO 會員平台的 AI 轉型歷程，正是其最具代表性的案例之一。陳亭竹說明，HAPPY GO 過去曾面臨AI 落地應用的考驗：會員資料散落在不同部門與系統中，無法整合成完整的會員輪廓，亦難以對會員進行精準貼標與分眾行銷。

為此，博弘雲端先協助 HAPPY GO 進行會員資料的邏輯化與規格化，完成建置數據中台後，再依業務情境評估適合的 AI 模型，並且減少人工貼標的時間，逐步發展精準行銷、零售 MLOps（Machine Learning Operations，模型開發與維運管理）平台等 AI 應用。在穩固的數據基礎下，AI 應用成效也開始一一浮現：首先是 AI 市場調查應用，讓資料彙整與分析效率提升約 80%；透過 AI 個性化推薦機制，廣告點擊轉換率提升 50%。

左、右為博弘雲端事業中心副總經理陳亭竹及技術維運中心副總經理暨技術長宋青雲。宋青雲分享企業導入案例，許多企業往往因過度期待、認知落差或流程改造不全，導致專案停留在測試階段，難以真正落地。這正是博弘雲端存在的關鍵價值——協助企業釐清方向，避免踏上產業內早已被證實「不可行」的方法或技術路徑，縮短從概念驗證到正式上線的過程，讓 AI 真正成為可被信賴、可持續運作的企業戰力。

圖／數位時代

整合 Databricks 與雲端服務，打造彈性高效的數據平台

在協助鼎鼎聯合行銷與其他客戶的實務經驗中，博弘雲端發現，底層數據架構是真正影響 AI 落地速度的關鍵之一，因與 Databricks 合作協助企業打造更具彈性與擴充性的數據平台，作為 AI 長期發展的基礎。

Databricks 以分散式資料處理框架（Apache Spark）為核心，能同時整合結構化與非結構化資料，並支援分散式資料處理、機器學習與進階分析等多元工作負載，讓企業免於在多個平台間反覆搬移資料，省下大量重複開發與系統整合的時間，從而加速 AI 應用從概念驗證、使用者驗收測試（UAT），一路推進到正式上線（Production）的過程，還能確保資料治理策略的一致性，有助於降低資料外洩與合規風險；此對於金融等高度重視資安與法規遵循的產業而言，更顯關鍵。

陳亭竹認為，Databricks 是企業在擴展 AI 應用時「進可攻、退可守」的重要選項。企業可將數據收納在雲端平台，當需要啟動新型 AI 或 Agent 專案時，再切換至 Databricks 進行開發與部署，待服務趨於穩定後，再轉回雲端平台，不僅兼顧開發效率與成本控管，也讓數據平台真正成為 AI 持續放大價值的關鍵基礎。

企業強化 AI 資安防禦的三個維度

隨著 AI 與 Agent 應用逐步深入企業核心流程，資訊安全與治理的重要性也隨之同步提升。對此，宋青雲提出建立完整 AI 資安防禦體系的 3 個維度。第一是資料治理層，企業在導入 AI 應用初期，就應做好資料分級與建立資料治理政策（Policy），明確定義高風險與隱私資料的使用邊界，並規範 AI Agent「能看什麼、說什麼、做什麼」，防止 AI 因執行錯誤而造成的資安風險。

第二是權限管理層，當 AI Agent 角色升級為數位員工時，企業也須比照人員管理方式為其設定明確的職務角色與權限範圍，包括可存取的資料類型與可執行的操作行為，防止因權限過大，讓 AI 成為新的資安破口。

第三為技術應用層，除了導入多重身份驗證、DLP 防制資料外洩、定期修補應用程式漏洞等既有資安防禦措施外，還需導入專為生成式 AI 設計的防禦機制，對 AI 的輸入指令與輸出內容進行雙向管控，降低指令注入攻擊（Prompt Injection）或惡意內容傳遞的風險。

博弘雲端技術維運中心副總經理暨技術長宋青雲進一步說明「AI 應用下的資安考驗」，透過完善治理政策與角色權限，並設立專為生成式 AI 設計的防禦機制，降低 AI 安全隱私外洩的風險。

圖／數位時代

此外，博弘雲端也透過 MSSP 資安維運託管服務，從底層的 WAF、防火牆與入侵偵測，到針對 AI 模型特有弱點的持續掃描，提供 7×24 不間斷且即時的監控與防護。不僅能在系統出現漏洞時主動識別並修補漏洞，更可以即時監控活動，快速辨識潛在威脅。不僅如此，也能因應法規對 AI 可解釋性與可稽核性的要求，保留完整操作與決策紀錄，協助企業因應法規審查。

「AI Agent 已成為企業未來發展的必然方向，」陳亭竹強調，面對這樣的轉變，企業唯有採取「小步快跑、持續驗證」的方式，才能在控制風險的同時，加速 AI 落地。在這波變革浪潮中，博弘雲端不只是提供雲端服務技術的領航家，更是企業推動 AI 轉型的策略戰友。透過深厚的雲端與數據技術實力、跨產業的AI導入實務經驗，以及完善的資安維運託管服務，博弘雲端將持續協助企業把數據轉化為行動力，在 AI Agent 時代助企業實踐永續穩健的 AI 落地應用。

>>掌握AI 應用的新契機，立即聯繫博弘雲端專業顧問