杜奕瑾與他的AI夥伴，打造台灣基因分析「PTT」|數位時代 BusinessNext

杜奕瑾與他的AI夥伴，打造台灣基因分析「PTT」

台灣人工智慧實驗室（Taiwan AI Labs）和微軟共同推出AI基因分析平台「TaiGenomics」，強調能幫醫師爬文獻、分析比對數據。創辦人杜奕瑾認為，這會是台灣邁入精準醫療時代的關鍵轉變。

基因分析能做精準治療，杜奕瑾推AI平台幫台灣加速

杜奕瑾理想的「精準醫療（Precision Medicine）輪廓，源自前美國總統歐巴馬在2015年所提出，近年來不斷在歐洲、亞洲獲得迴響。簡單來說，目標是讓所有患者得到最分眾、準確的治療方式，因為同一款藥物，不見得適用所有罹患肺癌的病人，更嚴重的是，有些人甚至會因此產生嚴重副作用。

儘管影響致病的原因有先天與後天之分，但醫界一直對於「人體密碼」與疾病的關聯性高度重視。尤其是2013時，好萊塢女星安潔莉娜裘莉（Angelina Jolie）發現自己有家族遺傳的乳癌基因，決定進行預防型切除手術，讓分析基因成為顯學。

「基因，並不見得是影響治病的全部因素，也可能會受到環境影響而改變。但確實有越來越多的醫療行為需要『了解基因』，」台大醫院基因醫學部主治醫師陳沛隆說。

他舉例，像是2015年全球首度發現，當醫師以藥物治療甲狀腺亢進時的嚴重併發症（顆粒性白血球低下）與兩個人體危險基因有關；台大醫院最近甚至將投稿期刊，認為「遺傳性聽損」有超過80個以上的可能致病基因。

「傳統分析定序一個基因的價格，約需要一萬元，要分析完八十個基因，得要八十萬；現在的次世代定序，雖可以在三萬元左右一次做完分析，但人體有大概400-500萬個基因變異點，哪些會影響身體功能，得花大量的時間來研究。」陳沛隆解釋。

過往在沒有AI協助時，第一線醫療人員或基因研究人員最大的挑戰在於：用醫學專家等級的人力進行基因定序、分析、比對基因變異與疾病表徵等過程將花費大量時間及鉅額費用，且大多只能分析部分基因，難以達成人體超過兩萬個基因的「全基因體分析」。

AI爬醫學文獻、比對數據，讓基因分析更容易

正如同杜奕瑾當年打造PTT，延伸出各式各樣的「個版」，帶動使用者討論風氣，累積多元且豐富的文字內容。這次推出的基因分析平台，會自動閱讀文獻、爬梳網路上公開的兩百萬篇醫療期刊與資料庫，把最新資訊提供給臨床醫師。

特別的是，「AI鄉民」能夠幫助醫師完成基因體註解與基因變異致病性預測，透過深層神經網路來解釋包含：分子交互作用、基因網路、調控機制等生資料。「除了遺傳疾病，藥物反應與癌症基因體都有大量的資料需要AI幫忙建立關聯網路與預測模型。」國立臺灣大學生物產業機電工程學系教授陳倩瑜表示。

台灣人工智慧實驗室除了找上台大醫師、生物機電教授組成團隊，也希望讓AI基因分析平台能真正普及，因此將系統建立在微軟Azure雲端，減輕分析過程的資料負擔。

「光是一個人的基因檔案，容量就超過100GB。」台灣人工智慧實驗室產品經理林盈宏強調，過去做全基因體定序，需要編碼與程式背景才能進行，再加上基因檔案龐大，又需要儲存與電腦運算能力，導致很多醫生、專家，空有檢體卻沒有工具能協助分析。

因此，TaiGenomics主打模組化拖曳模式，能選擇特定個人資料、基因，串出分析流程，自動得到報告與基因比對結果。

不過，杜奕瑾的AI基因計畫仍有挑戰。陳沛隆認為，「要透過數據分析比對出疾病與基因變異的關聯性，檢體至少要十萬個，甚至上百萬才行。」另外，團隊也希望透過醫療資料，比對個人患病史和使用藥物等資訊，才能提升分析報告的準確性。

「雖然只在起步，卻是台灣重要的一刻。」杜奕瑾有信心地說。

「過去我們教育教導學生如何從數據中找出標準答案，但在生成式AI的時代，標準答案往往是最廉價的。」臺大EiMBA執行長李家岩一語道破了這波商業典範轉移的核心。他認為，當資訊獲取邊際成本趨近於零，企業的競爭優勢已不再是單純的「掌握資訊」，而是「如何設計讓 AI 與人共同創造價值的流程」。這不只是一句口號，而是一場正在被驅動的轉型。從課程設計的邏輯重組，到學生創業專題的實戰演練，臺大EiMBA正將校園打造成一個允許失敗、快速驗證的「人機共創實驗場」。

告別標準答案，當教授變成「學習架構師」

「我們不再只是教導知識，而是設計學習。」李家岩指出，臺大EiMBA的課程正在經歷結構性的轉變。現在的教授角色更像是一位「學習架構師（Learning Architect）」，他們的任務不是單向輸出，而是設計出高強度的挑戰與情境，讓學生在解決問題的過程中，自然地將 AI 納入決策迴路。

以今年新開設的「雙軸轉型與人工智慧」課程為例，這並非傳統的技術概論課，而是場關於商業邏輯的壓力測試。學生不再只是繳交一份靜態的商業計畫書，反而被要求運用生成式 AI 輔助設計商業模式畫布（Business Model Canvas），甚至利用Vibe Coding技術讓不懂程式語言的商管學生，也能透過自然語言與提示工程，快速生成互動式的原型與操作介面來模擬市場反應。這項技術打破了傳統「文組企劃、理組執行」的藩籬，讓創意能即時轉化為可執行的程式碼。在這個過程中，AI 扮演的角色並非代筆的秘書，而是將概念具現化的加速器，以及最嚴厲的邏輯質疑者。

「這是我在課程中學到最深刻的一課，」臺大EiMBA二年級生、寵物百分百用戶體驗暨品牌行銷中心負責人鐘紫瀕分享道。身處近200人新創組織的高階主管，她坦言最初員工對 AI 充滿敬畏，甚至恐懼被取代。但在 EiMBA 的課堂上，她發現 AI 真正的價值在於「攻防」與「鏡像」。「老師設計了一種『沙漏式』的提問邏輯，迫使我們把策略餵給AI後，必須面對它無情的反問。」鐘紫瀕回憶，「這個市場假設有數據支持嗎？」、「你的競爭壁壘在哪裡？」這種高強度的追問，都是AI在對學員提出的挑戰，迫使她必須思考得比AI更深、更遠。「以前我們忙著找答案，現在我們學會如何設計出『連 AI 都沒想過的好問題』。AI就像一面鏡子，映照出我們思考邏輯上的盲點。」

數位孿生實戰，將「感覺」轉化為「數據決策」

除了策略層面的思維激盪，AI 在營運端的落地應用，更是讓許多直覺型創業者經歷了一場痛苦卻必要的轉型。臺大EiMBA一年級生、赤赤子設計師林宏諭對此感觸良多。

身處傳統服裝產業，過去他的經營模式多仰賴美感與經驗，「以前做決策就是憑感覺，甚至忙不過來時，連縫扣子這種小事我都自己跳下去做。」但在李家岩講授的「雙軸轉型與人工智慧」課堂上，他被迫面對冰冷的數據與流程，而這正是李家岩強調的「數位孿生（Digital Twin）」素養。

在虛擬世界中建立一個與真實工廠或商業流程一模一樣的模型，利用AI進行模擬與預測，是現代智慧製造的核心。對林宏諭而言這意味著必須將腦中抽象的「職人經驗」轉化為AI讀得懂的 SOP。「那段過程就像是被老師架著刀子往前走，非常痛苦，」林宏諭形容，為了讓 AI 能協助優化流程，他必須把每一個步驟定義清楚，無法再用「大概」、「憑感覺」含糊帶過。

雖然煎熬但成果是豐碩的。當感性的創意被裝進理性的數據框架後，林宏諭發現自己的決策不再是賭博，而是可被驗證的科學。「現在AI不僅幫我理清思緒，更像是團隊的外掛大腦。我開始能鼓勵員工使用AI釋放重複性勞動，讓大家能準時下班，去做更有價值的事。」這正是課程希望帶給學員的轉變，從「事必躬親的管理者」進化為「善用工具的跨域系統設計者」。

跨域共創，打破同溫層的「破壁效應」

如果說AI是另一位虛擬組團員那麼課堂上原本的同學們，就是來自多重宇宙的戰友。這裡匯聚了醫師、網紅、工程師、律師與傳產二代，如此多元的背景在AI的催化下，產生奇妙的化學反應。

李家岩特別提到了榮獲霍特獎（Hult Prize）肯定的「RiiVERSE」團隊。這個由臺大管院 EiMBA 與 GMBA 學生組成的團隊，成員涵蓋了時尚、行銷與創新創業等不同領域。他們利用舊衣回收再製技術，打造出循環經濟的生態圈。「這就是我們強調的跨域共創。」李家岩解釋，在過去，不同領域的專業人士溝通成本極高，但現在，AI成為了通用的翻譯機與黏著劑。

「AI不僅降低了技術門檻，讓文組生也能做Prototype，更讓理組生也能懂得商業敘事。」在這樣的環境下，創新不再是單打獨鬥，而是像RiiVERSE團隊一樣，結合理性與感性，共同回應全球永續（ESG）的艱鉅挑戰。

為了內心的狂熱，動手去做

然而，隨著AI涉入決策越來越深，一個核心問題浮現：在演算法能預測趨勢、生成文案甚至編寫程式的時代，人類領導者的價值還剩下什麼？「我們教的不是被AI取代，而是擴增智慧。」李家岩眼神堅定地說。他強調，未來的領導者必須具備三項關鍵特質：AI素養、跨域系統設計能力，以及科技人文的反思力。

其中最關鍵的，是懂得界定「自主邊界（Autonomous Boundary）」。領導者必須清楚判斷：哪些決策該放手讓 AI 自動化？哪些時刻必須保留人類的溫度與價值判斷？「例如在智慧工廠中，AI 可以預測機台何時需要維修保養，但『什麼樣的風險可以接受』、『我們要解決什麼社會問題』，這些涉及價值觀的決策，永遠需要人類來定奪。」李家岩補充道。

在李家岩眼中，真正的創新往往不是來自同類型人才的討論，而是從不同背景、不同世界觀的碰撞中誕生。「一個人能看到的只是片段，跨域合作才能讓問題完整。」他再次提到。對他而言，EiMBA 想培養的不是知道最多的人，而是能讓「各種智慧」一起工作的人。在AI與人類智慧並存的年代，領導者最重要的能力，不是掌握所有答案，而是打造一個能讓答案自然生成的組織環境。「未來需要的領導者是能整合技術與人、懂得跨域系統思考、也能『擇人(含機器人)而任勢』的人。」李家岩說，而這群充滿創業創新的管理者也將在未來商業戰場上奏出人機協作的新樂章。