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。

在台灣，多數人的第一份保障來得很早，可能來自父母，或是出社會後自行投保。然而，直到今天仍有許多人即使手握數張保單，仍說不清自己到底保了什麼。條款繁複、名詞艱澀，導致投保當下似懂非懂，過一陣子就全忘了。保險資訊的不透明，讓風險管理變成了一場全憑印象、依賴業務員的信任遊戲。

自從國泰人壽推出 App 3.0，以「陪伴」重塑保戶與保險的關係，下一步，更要讓資訊變得透明、易讀、好上手。於是，「保險視圖」誕生了—由國泰人壽戰情室 diLab（Digital Insurance Lab）領軍打造的這個平台，試圖翻轉保單難懂的問題，將散落於規範、條款與系統的資訊重新整理、轉譯與可視化，讓保戶終於能「一圖看懂」保障全貌。

「我們希望做到的不只是查詢工具，而是讓保戶真正理解風險、開始做決定。」diLab 經理林蔚安說，這項專案從發想到上線歷時多年，可說是完成了連同業都不敢想像的艱鉅任務。這場透明革命如何開始？國泰人壽又如何讓這個看似困難的挑戰落地？

資訊透明：讓保險回到能被理解的語言

「保險商品本身就很複雜，很多人買了保險，打開保單還是看不懂。」林蔚安指出，國泰人壽累積 800 萬保戶，團隊在梳理客戶旅程時發現，即使擁有多年的資歷與服務經驗，卻未能讓保戶更清楚自己的保障；大多僅在與業務員討論時略有概念，事後又陷入陌生感。因此，「保險視圖」的構想，就是要讓保戶能在同一平台掌握所有保障與資產資訊。

第一步，是處理「看不懂」這件事。diLab 從資料盤點開始，依照生涯階段與保障屬性，將保單內容重新分為「我的健康照護」、「我的保險資產」、與「我的壽險傳承」三大方向，讓保戶以更貼近日常的邏輯理解保障結構，例如「住院時有哪些保障？」。

「調研時發現，國內幾乎沒有成熟案例可參考，國外雖有概念但差異極大。」林蔚安表示，圖表複雜，反而增加理解負擔，因此團隊反覆推敲呈現方式，「要放什麼、怎麼放、放到什麼程度，光這個架構就討論了數個月！」每一個看似微小的改變，背後都是無數次的反覆測試與訪談，「我們帶著不同版本的草稿詢問保戶，在沒有業務員引導下是否看得懂。」最終，團隊定調以金字塔結構建構視圖基礎，從保戶自己的健康保障，到未來可運用的累積資產，最終到照顧家人的壽險傳承。沒有看似花俏的圖表，只希望讓多數保戶好理解的簡單呈現。

但挑戰不只在前端設計，還有保險條款轉譯。傳統保單以商品邏輯分類，與使用者思考「何時會用到」的方式完全不同。為了讓資訊更貼近生活情境，「保險視圖」不再以條款分類，而以場景情境作為基準。例如保戶生病住院時，介面會按照基礎醫療、意外、癌症、重大疾病、長照與壽險等六大結構分層呈現，先呈現核心，再逐層深化，視覺化整體保障全貌，並同步提供現金價值與現金流資訊，形成一套完整的理解脈絡。

風險洞察：AI協助人們看清保障缺口

當保險資訊透過直覺式的設計變得透明，下一個挑戰就是讓保戶理解「自己目前的保障夠不夠」。

因此「保險視圖」也導入保障目標試算功能，保戶只需回答幾題簡單問題，如：住院希望住單人房或雙人房、對疾病治療的費用承受度等，系統即可推算個人的保障目標。接著，AI 會即時計算保障達成率與缺口比例，將複雜的理賠與條款結構轉換成直覺的百分比。「醫療保障達成率 60％」、「癌症保障達成率 45％」，藉由直觀的數字圖表呈現，讓保戶能一眼看出自己保障的完整程度。

此外，平台不只呈現差距，還會以情境推估可能的支出。例如住院五天、手術一次的費用與實際理賠差異，讓保戶真正感受到風險的具體樣貌。「保戶不再是聽到『癌症住院很貴』這種抽象說法，而是看得到具體數字。」透過以場景為基礎的推算，使保戶終於能對模糊的風險概念有畫面，並對理賠內容有更直觀的理解。

平台也提供「熱門推薦」與「 AI 推薦」兩種建議模式。前者以性別、年齡作為分析基礎，後者則依個人資料與既有保單做更客製化的配置。保戶可在平台初步理解現況後，再與業務員討論，透過數位賦能、與有溫度的人性服務建立互補機制，也讓業務溝通更聚焦、更有效率。

領航轉型：戰情室以創新實踐「以人為本」

保險視圖歷經多次迭代上線，雖仍在推廣階段，但初步成效已浮現。以今年 4 月關稅議題為例，資產型保單查詢需求明顯攀升，保戶登入次數從每週平均 4 萬次提升到 5 萬 6 千次，大幅成長40%。以往查詢保單價值需透過業務員協助或臨櫃辦理，如今登入平台即可取得資訊。

此外，視覺化呈現保障缺口後，有保戶回饋「看到達成率 70％，就想補到 100％」，顯示視覺化真正促進了主動管理的行為轉換。

能完成一份視覺化介面不難，但能把 60 多年累積的保險商品結構、條款邏輯與資料系統重新整合再轉譯，背後極度仰賴組織文化。尤其，保險視圖的誕生，從構想到落地，專案歷時 4 年，期間國泰以「區塊化堆疊」的方式逐步發展服務功能，包括資產總覽、健康與壽險視圖、缺口試算與 AI 推薦，每一步都需要長時間協作與反覆推敲。

林蔚安形容：「戰情室就像加速器。」其角色是串聯商品、數據、數位、UI與UX設計、開發工程與行銷等多個團隊，以使用者中心作為共通語言，讓跨部門能在同一個目標下推進。「大家的專業不同，但只要目標一致，就能共同前進！」

展望未來，透明化只是起點。林蔚安指出，下一步是讓更多保戶願意使用平台，使行為軌跡形成數據基礎，再透過個人化推播與 App 串接，發展國泰人壽保戶更完整的數位體驗。「這條路很難，但值得做。」他分享，有一次泰國人壽數位團隊來台交流，第一眼看到保險視圖就說：「這真的很不容易。」但也因此，更突顯國泰人壽勇於創新、以人為本的服務精神。同時，保險視圖也不會是終點，卻會是打開未來保險模式的一把關鍵鑰匙。國泰人壽以具體行動落實「Better Together 共創更好」，在每一項細節中重塑保險服務的日常價值。

保險視圖：https://cathaylife.tw/VoeoOdb