重點一 ：Anthropic推出「Claude for Healthcare」，主打減輕醫療文書與資訊查核。
重點二 ：美國Claude Pro/Max用戶可連接HealthEx（個人健康紀錄平台）、Function Health（會員制健康服務），並在iOS/Android測試接入Apple HealthKit與Health Connect。
重點三 ：OpenAI上週才推出類似產品，顯示競爭態勢升溫。
AI新創Anthropic宣布推出Claude for Healthcare（Claude醫療版），把大型語言模型帶進受管制的醫療現場，重點是以HIPAA（美國健保隱私法）就緒的基礎設施確保隱私與合規，同時減少醫療體系的行政與資料查核負擔。
官方指出，這次更新由Claude Opus 4.5驅動，官方表示在模擬醫療與科學任務上更穩、更少事實錯誤。有趣的是，OpenAI上週才發表同性質醫療產品，顯示醫療AI競賽加快；此外， AI 臨床紀錄平台Abridge、醫療 AI 公司Sword Health等新創估值走高也反映資金與市場對此領域的關注。
簡化醫療系統龐雜的「Paperwork」
為了把工作落地到醫院、保險與行政流程，Claude for Healthcare直接接上幾個業界常用的資料庫：
- Centers for Medicare & Medicaid Services Coverage Database（CMS 覆蓋資料庫）：美國聯邦醫療保險（Medicare）與醫療補助（Medicaid）對醫療服務、器材與檢驗的「覆蓋與支付」政策彙整點，收錄全國與地區性覆蓋決策、指引與更新，供臨床、保險與合規參考。
- ICD-10（國際疾病分類第十版）：由世界衛生組織制定的全球通用疾病與健康狀態分類體系，用標準化編碼描述診斷與病因，支援臨床紀錄、流行病學統計與醫療支付；美國臨床與手術編碼為 ICD-10-CM/PCS 的本地化版本。
- National Provider Identifier Registry（NPI 註冊庫）：美國醫療提供者的唯一 10 位數識別碼登錄與查詢系統，涵蓋個人與機構提供者的基本資料、執業類型與地點，用於理賠、轉診與資料交換的身份校驗。
- PubMed（生醫文獻資料庫）：由美國國家醫學圖書館維運的免費檢索平台，索引醫學與生命科學期刊論文、書目與部分全文連結，支援 MeSH 主題詞與各類篩選以進行循證查找。
這些連結器的用意很務實：需要做事前授權（prior authorization）、理賠或醫療編碼時，可以即時抽取政策條文、代碼與文獻，少跑人工跨系統比對。
對開發者來說，Anthropic也提供針對FHIR（快速醫療互通資源標準）的Agent Skills（代理技能），以及「事前授權審查」等樣本工具，讓機構可以按自身規範客製流程，把查核與寫報告這類高耗時工作交給系統先初步處理。
此外，Anthropic同步擴充Life Sciences（生命科學）能力，連上Medidata、ClinicalTrials.gov（美國臨床試驗登錄）與bioRxiv（生物領域預印本）等平台。新技能主打法規與臨床作業的「重點工項」：協助草擬符合FDA（美國食品藥物管理署）與NIH（美國國家衛生研究院）要求的臨床試驗方案、監測試驗表現，以及準備申請與合規文書。
用白話說，就是把臨床與監管之間的文書溝通拆解成可被模型協助的可重複流程，降低團隊的人力負擔。
整合消費端健康服務，助攻醫師問診
消費者面向也有動作：美國區的Claude Pro與Max用戶，未來可選擇授權Claude安全存取個人健康紀錄，連結器包含HealthEx與Function Health；此外，Apple HealthKit與Android Health Connect也在Claude行動App以測試版推出。
Anthropic強調，透過這些整合取得的健康資料不會寫入Claude的記憶，也不會用來訓練模型；權限控管與斷連機制到位，目標是在隱私前提下，把分散在不同平台的檢驗數據、儀器量測與保險資訊整理成可讀摘要與待問清單。
對臨床端，這有助於把看診前準備做紮實；對病患端，則能更快理解報告內容、辨識趨勢、並在問診時切中重點。
整體來看，Anthropic把策略壓在「安全、合規、直連權威來源」三件事：一手用連結器加速查核，一手用Agent Skills把流程模組化，再加上消費者端的健康資料整合，企圖縮短醫療資訊檢索與文書處理的時間。
同時，OpenAI的切入讓賽局更熱，醫療體系與生技產業的「AI基礎層」之爭，已經從模型性能，進入誰能更快、更實際地嵌入現場工作。
為什麼醫療AI是一門好生意？
醫療AI之所以被視為一門好生意，是因為它正在從「概念驗證」轉向「實質經濟效益」的產出，並透過多元的商業模式解決醫療體系中成本、效率與精準度的核心痛點。
白話來說就是 資本回報潛力很大。
以美國醫療AI市場為例，研究指出預計到2030年將達到1,877億美元，年均複合成長率（CAGR）高達35.8%。軟體解決方案是其中最大的細分市場，其引領醫療產業數位轉型的效益如下：
• 工作流優化 ： AI能顯著縮短醫療影像的判讀時間（如並行閱讀模式下減少約53%的時間）和器官輪廓繪製時間（減少30-50%）。
• 直接財務回報 ： 醫療機構透過AI減少員工加班與錯誤，每年可節省超過100萬美元；同時因提升病患周轉率（Patient Throughput），每年可額外創造更多營收。
• 解決人力短缺 ： AI能協助自動化病歷整理、報告生成，緩解醫護過勞問題，填補醫師人力缺口,。
為何OpenAI跟Anthropic要搶攻醫療照護服務？
而對於 OpenAI 和 Anthropic 這類開發通用大模型（Foundation Models）的公司而言，進軍醫療照護（Healthcare）領域不僅是為了獲利，更是一項強化核心技術與建立護城河的戰略性佈局。
逃離模型同質化競爭
隨著生成式 AI 技術普及，通用模型正面臨「同質化」的風險。未來的競爭優勢將不再僅取決於模型參數，而是取決於能否將模型嵌入具體的產業流程中。從工具轉向基礎建設
醫療領域要求 AI 不僅是聊天機器人，而是需具備數據治理、合規能力與工作流整合的「系統能力」。這能讓 AI 公司從單純的技術供應商，轉型為醫療體系中不可或缺的基礎建設。數據飛輪效應
透過醫療應用（如生技研發中的體內大規模測試），AI 公司能建立「規模→數據→模型→更好結果」的正向循環。這種基於高品質、難以取得的醫療數據所建立的優勢，是競爭對手難以在短時間內複製的。提升泛化能力
醫療場景對公平性與準確度有極高要求（例如需準確辨識不同膚色的病徵）。解決這些邊緣案例（edge cases）能減少模型在廣泛應用中的「技術債」，提升整體的穩健性。高價值支付意願
醫療體系願意為「具體效率」付費。例如，AI 能減少 30-50% 的器官輪廓繪製時間，或將緊急病例的周轉時間從 11.2 天縮短至 2.7 天。這種直接的成本節省與效率提升，為 AI 公司提供了穩固的定價能力。真實世界證據（RWE）
藥廠極度需要利用真實世界數據來加速藥物研發與審批。根據AI 驅動型數據治理與管理公司SCIKIQ指出，AI 公司若能成為醫療數據的處理與分析中樞，就能在數據變現（Data Monetization）市場中分一杯羹，該市場預計將在 2029 年超過 20 億美元。
結論：醫療是「準確」的最高指標
對於 OpenAI 和 Anthropic 來說，推出 Healthcare 功能不僅是為了賣軟體，更是為了「練兵」與「築牆」。
AI 公司在醫療領域解決的「極端難題」（如絕對的準確性、零偏見、高隱私保護），最終將轉化為通用模型的「核心強健性」。這不僅讓他們在醫療這個百億美元市場獲利，更讓他們的通用模型比競爭對手更聰明、更可靠，從而贏得整場 AI 競賽。
延伸閱讀：唸醫學院沒意義了？馬斯克吐6大預測：為何未來在特斯拉晶圓廠，可以吃漢堡、抽雪茄？
AI問診時代來了！ChatGPT Health可連結電子病歷，背後推手坦言「4個痛」催生產品
本文初稿為AI編撰，整理．編輯/ 李先泰
