【我的預測】 最值得關注的是多模態AI結合精準醫療的落地應用，因為整合基因、影像、檢查數據的多模態AI已經技術可行，能精準預測標靶藥物療效並追蹤成果，這是從實驗走向臨床的關鍵年。
【我們正在做的事】 我們正在推動跨國AI驗證和聯邦學習，已出訪三國並與瑞典、英國洽談合作，目標是讓台灣與國際醫學中心的演算法相互驗證，使AI技術更穩固、更普遍化。
【我的建議】 醫療機構應慎選題目、先從院內應用和學術研究做起，同時盡快成立AI管理委員會，全員AI時代的資安與隱私管理已是當務之急。
預測1 醫療AI的典範轉移：從單一模組到多模態整合
醫療AI正在經歷關鍵轉型。中榮心臟科團隊從去年七月就開始做數位孿生，多模態AI更是兩年多前就投入。更重要的是，如何把數位孿生或多模態AI跟精準醫療結合。
舉例來說，把基因分析納入多模態AI，就能更精準預測哪些病人用哪些癌症藥物會有好的治療效果。新一代標靶藥物都要看基因突變才能使用，如果我們能整合病人的超音波、心電圖、MRI、CT等檢查數據，再結合基因資訊，不只能預測哪種標靶藥物有效，還能追蹤治療成果。
這些技術現在都做得到，大家要從傳統單一模組的預測AI，盡快進入多模態預測和數位孿生衍生的精準醫療，才能跟上世界潮流。
生成式AI和AI代理人的發展，已不限於醫療專業人員。醫學生、行政人員，各職類都想用這些工具，開發門檻也降低了。
這衍生出新的管理挑戰：AI教育要正確且多元化，員工自研的AI應用需要輔導，最重要的是保護病人隱私、確保資料庫和資安安全。
這也是衛福部三大AI中心強調「負責任的AI」的原因。
行動1 從院內實驗到跨國驗證
對於還在觀望多模態AI或數位孿生的單位，要慎選題目。如果你有很好的資料庫、有正確的想法，再來開發；開發出來覺得適用，再繼續做。
目前用大型語言模型開發的醫療AI還沒有認證取證機制，可以先用在自己醫院實驗或做學術研究，主要朝向精準醫療發展。至於商業模式，那要多一層考量。
各醫療中心應盡快成立人工智慧管理委員會，防範未然，落實AI治理規定。這不是未來的事，而是當下就要做的管理基礎建設。
明年，我擔任召集人的科技部「台灣智慧醫療聯盟」重點是跨國驗證和聯邦學習。我們已出訪三個國家，正與瑞典、英國洽談，讓台灣與國際醫學中心的演算法相互驗證，使AI技術更穩固、更普遍化。
同時，衛福部正在推動的電子病例互通表單格式標準化也很重要，這是做到院與院、國與國即時資料交換的基礎。
未來城市＠天下｜台中榮總名譽院長陳適安2026年AI趨勢觀點：
A： 過去預測藥物療效靠單一數據，現在多模態AI能同時整合基因資訊、超音波、心電圖、MRI、CT等多項數據，精準預測哪位病人適合哪種標靶藥物，並持續追蹤治療成效。多模態AI讓這個判斷更全面、更即時，是精準醫療從實驗走向臨床的關鍵一步。
A： 「台灣智慧醫療聯盟」的重點是跨國驗證和聯邦學習，讓台灣與國際醫學中心的演算法相互驗證，使AI技術更穩固、更普遍化。衛福部正在推動的電子病例互通表單格式標準化也很重要，這是做到院與院、國與國即時資料交換的基礎。
A：最容易忽略的是治理與資安。開發門檻降低後，醫學生、行政人員各職類都在自行使用或開發AI工具，病人隱私與資料庫安全的管理漏洞因此急速擴大。建議醫療機構立即成立AI管理委員會，最重要的是保護病人隱私、確保資料庫和資安安全。確認適用後再擴大，不宜躁進商業化。
