先提醒你：這一集錄音很長、細節也多，主題雖然是「醫院怎麼導入 AI」，但對任何正在思考導入 AI 的企業或組織來說，都是一份極具參考價值的地圖，非常值得你存下來、好好反覆聽上幾次。

在先前的節目裡，我們聊過 Ambient Listening——一種讓 AI 在背景聆聽醫病對話、自動生成病歷的技術，被稱為美國醫療史上採用速度最快的科技。但一家醫院要導入 AI，從來不只是裝個軟體、按個開關：裡頭有醫生、護理師、行政與 IT，外頭還有保險公司、監管機關，以及最重要的病人。這一集，數位時代創新長黃亮崢 James 再次邀請美國杜克大學健康創新研究所（DIHI）臨床導入負責人葉俊廷 Tyng，分享美國醫院導入 AI 的第一手經驗，以及對台灣與各行各業的啟發。

聽完這集你可以學到：

1. 先問「能不能不要用 AI」：八大關鍵決策點 俊廷所在的 HAIP 把導入拆成採購、開發、導入、生命週期管理四大階段、共八個決策點。最該先問的不是「要用哪個 AI」，而是「這個問題非用 AI 不可嗎」，並在動手前就把「什麼叫成功」定義清楚。

2. 自建、外購，還是共同開發？ 自建需要強大的團隊、資料管線與法遵能力，寫程式（Vibe Coding）只是最小的一塊；外購雖能轉嫁部分責任，卻可能被廠商鎖死（Vendor Lock-in）。第三條路是與新創共同開發，特別適合需求小眾或資源有限的場景。

3. AI 治理委員會，不能只有 IT：AI 早已超出 IT 的範疇，會直接衝擊工作流程、病患與財務。一個有效的治理委員會（PPTO：人員、流程、技術、營運）必須納入臨床、護理、法遵、倫理、財務甚至病人代表，並要有管理層由上而下的支持。

4. 上線才是開始：要會監控，也要會退役 生成式 AI 會隨著版本「飄移」，必須持續監控；更關鍵的是動手前就先訂好「退役標準」。許多單位捨不得沉沒成本，明知工具已不堪用卻不敢下架——啟用很容易，真正困難的是把它移除。

5. AI 會繼承資料裡的偏誤：HEAAL 框架 AI 是一面放大鏡，訓練資料裡的偏見會被它一併學走。HEAAL（Health Equity Across the AI Lifecycle）提醒，從美國保險演算法對特定族群的歧視，到台灣台語、原住民語、移工語言的辨識落差，公平性是每個導入 AI 的組織都該主動檢視的事。

6. 台灣的機會與隱憂：衛福部已設立 AI 中心、主管機關也核准多項 AI 醫材；但醫師實際在用的 Open Evidence、ChatGPT 多半不是醫材，落入「影子 AI」的監管空白。台灣擁有健保資料的優勢，很適合以聯邦學習、跨院串聯的方式，建立屬於自己的在地驗證網路。

這一集對非醫療產業的聽眾同樣受用。俊廷形容，醫療是少數同時具備嚴格控管、高度監管、低風險承受度與獨特價值體系的產業，因此醫院想出來的 AI 治理框架，可以視為一份「考 100 分」的範例，金融業可以參考它的法遵做法、航空業可以參考它的安全評估，各行各業都能從中挑出自己需要的部分。而他最想留給所有人的提醒，其實只有兩句：第一，AI 導入是組織變革，技術通常是最容易的；第二，上線從來不是終點，而是起點，後面的持續監控、價值評估與適時退役，才是真正決定 AI 能不能發揮價值的關鍵。

補充資源》
Health AI Partnership（HAIP）官方網站，收錄本集提到的八大關鍵決策點開源框架：https://healthaipartnership.org/

Powered by Firstory Hosting