台灣醫療面臨挑戰,如何落實「精準健康醫療」?五大建議對症下藥
台灣醫療面臨挑戰,如何落實「精準健康醫療」?五大建議對症下藥

台灣目前已有數位科技、AI、半導體等各種護國神山,如何善用科技優勢來結合生醫產業發展,找出國人罹病風險因素及對應基因,讓「精準健康醫療」落實並提升國民健康,進而成為另一座神山,將是台灣產業創新的重點之一。

儘管精準健康在台灣推動了7年多,眼下仍須面對實務及法規問題,像是精準健康的醫療配置、次世代基因定序(NGS)檢測能否納入健保給付,甚至打造健康大數據、推動大型群體基因體定序(population sequencing)等配套措施,都需要進一步落實。

台灣精準醫療產業協會發布《2023精準健康產業政策白皮書》,內容推出5大政策建議方向,期盼未來台灣民眾更能了解精準醫療的概念,透過衛教來打造全民基因定序資料庫,有機會提升全體國民的健康及病患的治療成效。

對此,行政院副院長鄭文燦承諾,將把這本白皮書建議的內容交由衛福部進一步研究,其中包括如何讓法治環境、健保給付能夠跟上,並讓相關的法人、公協會可多來運用新的制度,讓精準醫療、精準健康產業發展得更好,一方面保障病患健康福祉,促進醫療產業發展,同時也兼顧醫學倫理及個資保護需求。

精準醫療是什麼?台灣為什麼必須儘快推動?

所謂「精準醫療」(Precision Medicine),就是在常規的身體健康檢查中,額外再加上「生物醫學檢測」,例如透過基因檢測的資訊,透過大數據的分析,找出最適合的藥物及治療方式。

每個人的基因不同,每一種疾病在不同人身上,也都有不同的生理狀況,因此,基因檢測後的資料分析,將能協助醫師對症下藥,透過精準醫療量身打造,擬定適合的治療策略,除了更加精準、提升治療效果之外,還能減少副作用,大幅降低身體的不適感。

隨著人口老化,高齡化社會及醫療費用提高的影響,可以繼續支付健保費用的年輕人愈來愈少、退休人數愈來愈多,加上醫院成本逐漸升高,如何提早預防、對症下藥,提供「有效率且適當」的醫療資源,並維持最好的醫療品質,現階段更是發展精準醫療的重要時刻。

「我們最該做的,就是具體落實並廣大落地,讓民眾的醫療資源產生出最大的效益,也是現在最急迫的事情。」台灣精準醫療產業協會理事長蔡政憲表示,健保是最及時、最有效的給付補助,可以幫助需要醫療的病人,但為了要讓健保更加有效運用,需先優化精準健康醫療配置。

台灣精準醫療產業協會理事長蔡政憲
台灣精準醫療產業協會理事長蔡政憲強調,為了要讓醫療資源更加有效運用,需先優化精準健康醫療配置。
圖/ 楊絡懸攝影

白皮書5大政策建議方向,有哪些內容?

今年的《精準健康產業政策白皮書》,主要來自多方專家討論、調查等意見彙集而成,期盼政府可採納並落實,提升全民精準健康。政策內容共有5大重點:

1. 以精準健康優化醫療配置,嘉惠民眾健康福祉

蔡政憲說,第一個訴求是,如何讓精準健康,優化現在的醫療資源配置,讓資源達到最有效率的運用,「在有限的資源裡受惠最多的人,在對的時間得到最好的資源,不管是預防、診斷或治療,可以嘉惠最多人。」

舉例而言,為什麼彰化縣衛生局出資希望來推動婚後孕前健康檢查補助,成為全台唯一補助篩檢脊髓肌肉萎縮症(SMA)的縣市?正是因為這疾病的帶因率非常高,來到2%,等於每50個人,至少有1至2位帶因者。

以台灣2022年共有13.9萬位新生兒為例,如果每人做SMA檢測、一次檢測均價為2,500元,花費約3.4億元,且可以將萬分之一的患病率降至為零,這比罕病專款藥物編列給付的93億元,還省下近三分之一的支出。

也就是說,儘管健保已有給付藥物費用,但比起發病後的投藥預算,若能擴大產前精準母胎醫學的基因檢測,讓預防勝於治療,將能降低重症病患的產生,節省醫療資源,並可把資源有效分配給更急迫、更需要的民眾。

「白皮書的藍圖,就是希望未來可以將這些花費有效運用,這些資源可以是自費、地方政府支持,或者是民間企業、病友團體罕見疾病基金會投入,一起將醫療資源幫助更需要的人。」蔡政憲表示。

2. 接軌國際趨勢,延異精準醫療「次世代基因定序」(NGS)檢測納入健保給付

前述提到的精準母胎醫學,費用能自行負擔,也可以讓地方政府、業界一起分擔。不過,就國際實務而言,也有技術規格較高、檢測量體較大的「次世代基因定序」(NGS),雖然帶動更高的健康效益,費用也跟著高昂,就會遇到接受度的挑戰。

蔡政憲發現,美國、歐洲許多醫學會議,都已經把NGS檢測納入指導方針,包括韓國、日本、英國也都陸陸續續開始實踐,進一步針對癌症需要的次世代基因定序,以NGS基因檢測開始進行給付。

國內外仍有多數民眾對於某些檢測帶來的費用造成心理上的門檻,如何讓民眾更容易體驗精準醫療帶來的健康?由此看來,納入台灣的健保給付就是關鍵。

因此,蔡政憲強調,政府必須思考,該如何把醫療資源,配置在對的地方,讓更多人受惠,進一步達到更好的醫療品質,「降低病人財務負擔,就能讓病人在有限的時間內儘速治療。」

3. 借助台灣科技優勢,推動大型群體基因體定序計畫,建立精準健康發展利基

另外,白皮書也期盼可以持續推動「大型群體基因體定序」(population sequencing),透過群體基因及健康大數據分析,找出國人罹病風險及對應基因,使具有高風險基因的個體能及早預防,進而改善全民健康。

事實上,台灣過去已經有了不錯的基礎,也具備足夠的條件開發這類項目。據了解,國家衛生研究院正著手計畫,推動大量新生兒的群體基因體定序,試圖找出與國內公共衛生健康相關的關鍵因素。

2023精準健康產業政策白皮書
《2023精準健康產業政策白皮書》5大訴求重點。
圖/ 楊絡懸攝影

4. 優化醫療機構申請「實驗室開發檢測」(LDTs)申請程序與管理

台灣需要更好的法規,來協助「實驗室開發檢測」(LDTs)的建立,在台灣將精準健康相關的基因檢測落地。據了解,目前LDTs相關的醫療內容及藥物,無法取得健保給付,主要是因為整套檢測遲遲無法快速審查推動。

「本來利益良善,卻在執行上碰到很多相違背的事,像是審查費用,額外再加一層成本負擔。」蔡政憲也坦言,在執行辦法中,有太多仍需要一起努力的地方,讓檢測可以更快的發展。

因此,除了要優化LDTs申請程序、審核標準一致化,還要提高精準健康檢測量能及速度,並降低成本;同時也要保障LDTs報告的產出、傳送過程都有保護個資及臨床應用安全。

5. 健全健康資料應用環境,打造健康大數據永續基礎

至於健康資料庫,台灣也已經擁有很好的基礎,但需要建立完善的健康資料安全運用及健康大數據的法規環境。

就實務上而言,仍需要設立獨立機關,進行資料規格化及統合作業,加速數據整合運用;同時要以病人為中心,確保醫病共享醫療及數據資訊。例如,包括醫院資料可以符合國際醫療資料交換標準(FHIR)標準,並與國內30幾個人體生物資料庫(Biobank)進行整合。

「這些都有好的基礎,但進展仍然有很多挑戰,要繼續落實完成。」蔡政憲表示,有了這樣的共同標準,在保護個資的前提下,能夠讓大家更靈活運用健康資料庫,對於台灣能夠落實精準健康,將扮演一個非常重要的角色。

延伸閱讀:下一個護國神山!金仁寶、富邦為何都押寶生技醫療,看好哪些趨勢?

責任編輯:蘇祐萱

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓