智慧醫療中心

面對生成式 AI 的快速發展，以及醫療場域對精準化與高效率服務的持續需求， 新竹馬偕整合鄰近科技研發資源與院內跨專業團隊，成立智慧醫療中心， 作為全院 AI 應用之統籌與推動核心。

本中心以推動負責任 AI（Responsible AI）為核心使命， 建立兼具透明性、安全性與法規遵循之治理架構， 系統性促進 AI 技術於臨床照護、醫學教育及行政流程中的穩健落地與價值實現。

透過制度化管理、跨域協作與持續優化機制， 致力打造可擴展且具示範性的智慧醫療應用模式， 引領國內醫療機構安全導入生成式 AI，樹立產業標竿。

智慧醫療中心以建構醫療場域專屬之負責任生成式 AI 實作與驗證平台為發展願景， 回應臨床應用落地與治理機制之關鍵需求，推動生成式 AI 於醫療機構中 從技術開發、驗證評估到臨床部署的全生命週期管理。

本中心致力打造可信賴的 AI 應用環境， 在提升醫療品質與效率的同時，確保倫理原則、法規遵循及資訊安全之完整落實， 使 AI 技術能安全且穩健地融入臨床決策與醫療流程。

透過整合院內臨床科別、醫學研究單位、資訊部門及外部科技產業資源， 建立跨域協作機制，推動以下核心發展方向：

• 建立標準化 AI 審查與治理機制
• 建置 AI 透明性與資訊揭露平台
• 導入 AI 診斷與臨床決策輔助應用
• 優化臨床流程並提升作業效率
• 持續監測 AI 模型之效能、安全性與穩定性

主管

姓名	職稱
翁順隆	院長
楊俊仁	副院長 / 主任
黃凱堯	副主任

成員

姓名	職稱
陳雅茹	資深工程師
陳子暄	工程師
彭卉	工程師
高常昇	工程師
徐潤澤	工程師
侯湘琦	工程師
鍾尚衡	工程師
楊沛諭	工程師
陳偉弘	工程師
練姸伶	工程師
姜楷成	工程師
高慧茹	資料科學家
紀郁祥	資料科學家
張雅涵	資料科學家

行政人員

姓名	職稱	分機
陳佳芬	管理師	152766
吳沛霞	管理師	152767
朱宜萱	管理師
郭伊晨	管理師
吳冠芝	管理師

相關表單連結：

新竹馬偕_智慧醫療軟體_1.試用申請表

新竹馬偕_智慧醫療軟體_2.九大透明性說明書

新竹馬偕_智慧醫療軟體_3.資通防護等級評估

新竹馬偕_智慧醫療軟體_4.資通自評表_普級

新竹馬偕_智慧醫療軟體_4.資通自評表_中級

新竹馬偕_智慧醫療軟體_4.資通自評表_高級

新竹馬偕_智慧醫療軟體_成效檢核表

資安維護與隱私保護

為確保 AI 應用符合醫療安全與法規要求，本院建立完整之資安與隱私治理機制，涵蓋資料、系統及管理層面：

1. 醫療資料安全治理

• 遵循個人資料保護法、醫療法及相關資安規範。
• 採用資料去識別化（De-identification）與最小必要原則。
• 建立資料分級制度與存取控管機制（RBAC / ABAC）。

 

2. 系統與模型資安防護

• 導入國際資安標準（如 ISO 27001、ISO 27701）。
• 建立 AI 系統弱點掃描與滲透測試機制。
• 防範模型攻擊（如 Model Inversion、Data Poisoning）。

 

3. 隱私與倫理保障

• 建立病人資料使用之知情同意機制。
• 強化資料使用紀錄（Audit Log）與可追蹤性。
• 設立 AI 倫理審查機制（IRB / AI 委員會）。

 

4. 持續監測與風險管理

• 定期進行資安風險評估與漏洞修補。
• 建立事件通報與應變機制（Incident Response）。
• 導入第三方與內部稽核制度。

 

---

 

九大透明性原則

本院透過九大透明性原則，強化 AI 系統之可解釋性、公平性與可信度，並結合持續監測與再驗證機制，確保其於臨床應用之安全性與品質。

1. 介入詳情及輸出：說明系統功能、輸入資料型態與輸出結果，確保使用者理解其運作。
2. 介入目的：明確界定臨床或行政用途，避免不當使用。
3. 適用範圍與限制：揭露模型適用情境與限制條件。
4. 開發流程與輸入特徵：說明資料來源、特徵選取及處理方式。
5. 公平性確保機制：進行偏誤檢測與公平性評估。
6. 外部驗證：透過跨機構或多場域驗證模型泛化能力。
7. 量化績效指標：提供準確率、敏感度、特異度等評估指標。
8. 持續維運機制：建立上線後監測與維護制度。
9. 更新與再驗證：規劃模型更新與定期再驗證流程。

 

使用者範例

• 本模型輸入非對比頭部 CT 影像，輸出疑似急性缺血性中風區域之分割結果，並提供中風發生機率分數（0–1）。

 

• 協助急診醫師快速識別疑似急性中風個案，縮短判讀時間並提升早期治療決策效率，非作為最終診斷依據。

 

• 本模型僅適用於成人急性中風初步評估，不適用於腦腫瘤、外傷性腦出血或術後影像判讀，亦不適用於兒童族群。

 

• 模型使用多中心頭部 CT 資料集進行訓練，輸入為標準化之 512×512 DICOM 灰階影像，並進行窗寬窗位調整與影像正規化處理。

 

• 訓練資料涵蓋不同性別、年齡層與多族群來源，並針對各子族群進行效能與偏差分析，以降低模型預測不均風險。

 

• 已於兩家區域醫院進行共 300 例回溯性驗證，模型在臨床情境中展現穩定表現並通過專科醫師評估。

 

• Sensitivity: 91%，Specificity: 87%，AUC: 0.93（95% 信賴區間）。

 

• 每季監測模型效能與資料分布變化，若偵測到顯著 drift 或效能下降，將啟動模型再訓練與版本控管流程。

 

• 模型預計每年進行一次版本更新，並於更新前完成外部驗證及公平性評估，確保符合臨床安全與品質要求。

 

---

 

AI 生命週期管理

1. 管理概述

AI 生命週期管理強調於各階段導入風險控管、品質監測及治理機制，確保 AI 系統於臨床應用中符合醫療法規、倫理原則與資安要求，並具備良好之可解釋性與公平性。

 

2. 監測標準與應變機制

為確保 AI 系統於臨床應用之安全性與穩定性，本院建立完整之監測與應變機制，透過持續監控與即時處置降低風險。

• 依據九大透明性原則與可解釋性分析建立量化指標（如準確度、偏差率、解釋性等）。
• 定期或持續監測，確保系統維持於標準範圍內。

 

• 當監測指標低於門檻時，立即啟動應變流程，必要時暫停或停用系統。
• 通報智慧醫療委員會進行審查與決策。

 

• 針對異常進行模型修正或再訓練。
• 完成效能與安全性驗證後，方可重新上線使用。

新竹馬偕紀念醫院 智慧醫療中心 陳管理師

聯絡電話：03-5719999 分機2766

Email ：sally.L228@mmh.org.tw