隨時讀懂你的心！宇心生醫讓醫療級心電圖儀也能進到家中|數位時代 BusinessNext

從醫師跨界創業對於宇心生醫創辦人張瑞康來說是個埋藏在心底一直都存在的計畫。身為小兒科醫師，張瑞康每天替多位兒童診斷、治療心臟疾病。在評估心跳情況時，最常見的檢查方式就是以心電圖來判讀，但心電圖檢測儀器體積龐大，每次使用都要推出一大台機器，再加上嬰幼兒不會總是乖乖躺好讓醫生檢測，這也造成了使用上的不便利。

無經驗也能輕鬆上手的心電圖儀

為了解決以上種種問題，張瑞康與團隊開發出醫療級家用12導程心電圖儀，將原本在醫院的傳統心電圖儀縮小成一個手掌大的方形儀器，方便患者在家中可以隨手拿出來檢測，此外，傳統心電圖儀有多個電極需要黏貼在人體不同部位，沒有醫療經驗的人通常無法正確操作，因此宇心生醫團隊減少了儀器上的電極數，患者只要看著使用說明書就能跟著操作。

但如果還是有使用者操作錯誤導致心電圖誤判該怎麼辦呢？張瑞康表示，團隊也有想到這方面的防呆機制，除了附有說明書以及教學影片引導使用者之外，當使用者將電極貼到不正確的部位時，因儀器接收不到訊號，自然不會出現心電圖。

這項產品獲得美國國家衛生研究院贊助，並通過美國FDA認證。而產品也進行過臨床試驗，曾讓2500多位的嬰兒試用，當時僅有一位家長在幫嬰兒黏貼電極時貼錯位置。高達99%的使用正確率也證明了心電圖儀易操作的優點。

雖然儀器看似精簡，但其中所運用到的技術可一點也不馬虎。相較於其他單導程或4導程的儀器，宇心生醫首創在家用心電圖儀上採用12導程技術，導程也就是從不同的電極觀察心臟電流的變化，可以將之比擬為監視器，單導程就像一台對著住家大門的監視器，僅能監控主要出入情況，而12導程則能從多方角度監控，當有異狀發生時，也更容易被偵測到。

有了儀器可以在家測量之後，患者還是需要有專業醫生來解讀心電圖，對此宇心生醫已和美國當地多位具有心臟科專業醫師證照的醫師合作，當患者在家中檢測完畢後，身體數據會跟著上傳至雲端，這時合約醫生就能線上判讀心電圖，並告知患者檢測結果，完成整套檢測過程，實現遠距醫療。

應用場域擴及飛機、救護車

目前宇心生醫會先將產品導入大型醫療機構使用，協助醫生及病患採用更簡便的方式檢測心臟，術後患者也能將儀器帶回家中測量，減少奔波回醫複診的次數。

除此之外，這樣的輕便型家用心電圖儀還能應用到更多場域，像是在飛機、救護車、養老院、CRO（Clinical Research Organization，臨床試驗組織）等，只要是不方便到達醫院做測量的情境，都是家用心電圖儀可大力發揮功效的場景。

宇心生醫接下來計畫發展AI判讀技術，因心電圖有時會受到不同醫生解讀而產生不同結果，如果導入AI，將能協助醫生做更精確的診斷。所以之後仍要持續進行臨床試驗，以大量的數據資料訓練AI學習。

創業快問快答

Q：希望提供這個社會什麼價值？希望解決甚麼樣的問題？
根據WHO的統計，心血管疾病是全球頭號殺手，全球人口快速老年化，更加速了心血管疾病預防和診斷的迫切需求。我們開發出醫療級12導程家用ECG，並通過美國FDA認證，可以有效解決此一未被滿足的醫療需求。

Q：長遠來看，公司想成為一家何種類型的公司？下一步的目標是什麼？你們如何完成？
醫療人工智慧公司，下一個目標是成功開發ECG判讀AI，預計在未來2-3年完成。

Q：創業，教會了你哪些事？簡單分享創業至今以來的心得感想？
醫療生技產業是高度法規管制的行業，需要有縝密的規劃和耐心，確保產品能通過認證才能上市。

公司資訊

公司名稱：美商宇心生醫股份有限公司/QT Medical, Inc.
成立時間：2013/6/26
產品名稱：醫療級家用12導程心電圖儀
上線時間：2019/7/1
官方網站｜Facebook｜新創資料庫

本文授權轉載自創業小聚

過去兩年，人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢，從客服、知識管理到軟體開發，越來越多企業將大型語言模型（LLM）導入企業營運流程，隨著應用程度的深化與廣化，越來越多發現，真正的挑戰早已不只是「選擇哪個模型」，而是如何管理算力、控制成本、確保資料安全，以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後，AI應用從回答問題進展為執行任務、操作系統以及串接流程，連帶拉升對AI基礎設施的需求與架構複雜度，而這意味著，想要發揮AI綜效，光只有模型與技術尚不夠，必須將整體IT環境逐步升級為AI基礎建設（AI Infra）。

深耕AI管理領域多年的數位無限（INFINITIX），近年積極布局軟體定應AI基礎建設（Software Defined AI Infrastructure）市場，除持續深化與GPU、伺服器與AI硬體生態系的合作關係，如於2021年取得NVIDIA Solution Advisor全球夥伴資格，2025年亦獲AMD GPU生態建設夥伴獎，也因應市場需求推出AI-Stack與ixCSP兩大產品線，協助企業、雲端服務供應商（CSP）與新世代AI雲端業者，更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示：「我們的目標是協助客戶打造軟體定義AI基礎架構，讓其可以視需求向下整合不同世代GPU、儲存與網路設備，同時，向上鏈結模型、Token跟AI應用，加速企業的AI創新轉型腳步。」

從AI模型到AI經濟，企業競爭焦點轉向算力與Token調度能力

過去市場談AI，焦點多半放在模型參數、推論效能與模型能力，但在大型語言模型推論需求暴增的現下，AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程；企業真正需要的，不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後，全球AI產業正逐步從模型競賽轉向「AI經濟」，亦即，影響企業AI決策的再也不是使用哪個模型、部署多少GPU，而是消耗多少Token、產生多少AI服務，以及算力是否能被有效共享與調度。

換言之，在AI新世界，算力調度能力的重要水漲船高。對此，陳文裕十分認同的說：「企業想要提升AI競爭力，不僅要掌握模型與應用，還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命，甚至是如何將閒置算力轉變成可交易的資源等。」

事實上，這也是大量AI資料中心（AIDC）跟新世代AI雲端服務（Neo Cloud）業者出現的原因，包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式，提供企業所需的GPU服務與AI算力平台。

看準這波趨勢，數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務，協助客戶提升GPU使用率，更進一步推出ixCSP平台，讓雲端服務供應商與新世代AI雲端業者，能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰：模型快速升級、算力需求攀升、GPU世代交替迅速，企業在追逐AI落地的同時，勢必得面臨基礎建設更新速度過快、硬體投資壓力升高，以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡，數位無限的作法是，透過AI-Stack將底層硬體抽象化，以Token或模型服務形式提供，讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如，高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題，加速39項AI模型進入臨床應用階段，成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步，為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源，也可以透過ixCSP平台，把算力共享或調度給集團內部團隊、子公司，甚至上下游合作夥伴使用，進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設，企業真正需要的，也不再只是單一模型，而是一套能持續適應AI快速演進的AI Infra，而這與數位無限近年來的重要轉型方向一致：從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商，更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值，數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案，協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境，降低企業從PoC走向實際導入的門檻，加速AI落地。

總的來說，隨著AI競爭從模型能力延伸到算力治理，企業比拚的不僅是導入速度，而是能否建立一套足夠彈性、可持續演進的AI Infra，而這與數位無限的發展目標一致，將持續不斷優化產品服務，化身企業搶進AI新世代的關鍵合作夥伴。