醫療照護如何轉型？掌握 3 原則，借力數位科技驅動新模式|數位時代 BusinessNext

醫療照護如何轉型？掌握3原則，借力數位科技驅動新模式

醫療體系的轉型，除了妥善規畫與導入科技外，法規環境、照護品質，以及社會大眾的支持與信任，都是決定轉型成敗與速度的關鍵。

當今醫療照護體系看似因各國需求與發展情形的不同，各自面臨不同的考驗，然而各地醫療照護體系實則面臨共同的挑戰──可負擔性不足、資源分配不公、照護成效不均等。面對不斷攀升的醫療照護成本與需求，如何有效進行資源分配、提升醫療服務品質與可及性成為全球各地醫療照護體系亟欲解決的重要課題。

根據Deloitte在醫療照護產業長期的研究觀察，未來醫療照護體系將大力借助科技應用所帶來的助益，透過關注焦點轉向疾病預防與健康福祉、實現醫療數據間的互通性和重視病患參與度與自主性等三項重點特色體現，真正促進醫療照護轉型、克服當前挑戰。

推薦閱讀：高齡化社會來臨！醫療科技要怎麼做，才能解決長照問題？

關注焦點轉向疾病預防與健康福祉

受到醫療技術進步與健康概念演變的影響，醫療照護重心正由消極治療轉向積極預防。 醫療科技的應用除了能協助及早辨別、診斷與控制疾病外，亦能有效降低後續治療負擔與花費，並克服過去因技術、地理距離等產生的診療障礙，提高醫療服務可及性，進而促進整體社會的健康福祉。

實現醫療數據間的互通性

具互通性的醫療科技設備與平台能即時蒐集、整合不同來源的病患資料，協助醫師進行診療決策，以更個人化的醫療照護提升病患體驗與服務品質；由大量數據所集成的資料庫並能進一步應用於進階數據分析，提供對疾病的關鍵見解，以強化診斷準確性與治療成效，不只提升醫療品質也降低不必要花費。

重視病患參與度與自主性

數位科技的發展使病患更易於取得醫療照護資訊、掌握自身健康資料，參與醫療討論的意願也因此提高。醫療照護的決策與執行將更高度重視病患的自主性，以選擇最佳可行的治療方案，實現以人為本的醫療照護與病患體驗。

利用AI技術，實現未來醫療照護

應用AI醫學影像判讀急症病例，把握最佳治療時間

醫學影像是日常重要的診療工具之一，然而，日益增加的影像判讀需求與供不應求的放射科醫師使許多急症病例的治療被迫推遲。以色列的希巴醫療中心（Sheba Medical Center）引進新創公司Aidoc開發之技術，利用AI進行影像審查。藉系統即時判定高危病例並對放射科醫師進行警示，協助醫師優先診斷這些病例、供臨床醫師做後續治療。此技術縮短了高危病例32%的診療時間也提高診斷的準確性。

透過AI與遠端監控系統改善慢性疾病管理

智利的健康管理公司AccuHealth透過AI遠端監控的能力協助管理廣大慢性病患，運用「即時遠端監控」、感應器與平板電腦引導病患蒐集生理數據，並回覆每日簡單的自我檢核，如飲食與生理狀況等。

透過龐大的數據庫和演算法區分不同風險程度的病患，更加精準地預測病患的健康發展走勢。如此一來，健康教練（health coach）得以將時間分配於高風險且需要立即介入協助的病患。目前，該公司已協助使用者降低32%的住院率以及15%的急診就診率，使整體使用者節省了約35%的個人保險花費。

掌握3項核心原則，應用技術進行醫療照護轉型

體系的轉型除了妥善的規畫與導入外，許多外部因素如友善的法規環境、社會對臨床照護與公共衛生品質的堅持、支持創新和數據驅動決策的文化以及大眾的支持與信任，也能於一定程度上決定轉型的成敗與速度。筆者建議，希望透過科技應用進行醫療照護轉型與升級的組織或單位，都應遵循以下3項核心原則：

1. 訂下明確的整體願景與方針

訂定之目標需作為後續方案設計的指導原則，以確保方案之發起初衷與結果一致。

2. 擁有能統合與集成資訊的管理系統

此系統需具備資訊交換、分析、圖像化以及資訊安全防護等功能。

3. 重視完整的變革規畫與管理

需從根本推動相關使用者行為上的改變，了解對關係人的影響，從而去預測阻力以獲得支持，並將其反饋用於後續調整與優化。

反觀我國，因爲台灣擁有紮實的醫療經驗、多年健保所累積的龐大數據、長期發展的科技軟硬體能力，為台灣醫療照護體系的轉型打下良好的基礎；然而，如何從社會環境針對法規條件、政策方向、產業資源、大眾心態等進行整合或轉變，並從組織或企業內部針對商業或夥伴模式創新、整合並發揮各項科技應用、提高變革落實範圍與深度，以形塑更友善的產業環境與自身條件，有效驅動轉型，應是台灣醫療照護產業中產官學界各重要角色需要不斷思考、交換意見並共同努力推動的目標。

責任編輯：陳建鈞

《數位時代》長期徵稿，針對時事科技議題，需要您的獨特觀點，歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw，文長至少800字，請附上個人100字內簡介，文章若採用將經編輯潤飾，如需改標會與您討論。

（觀點文章呈現多元意見，不代表《數位時代》的立場

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。