生成式AI引領醫療新時代 KPMG點出四大應用與落地挑戰

人工智慧（AI）已深刻改變全球醫療產業，不僅重塑服務模式與價值鏈，更成為推動創新與永續的關鍵動能。KPMG安侯建業今（21）日發布《智慧醫療》報告指出，面對高齡化社會、醫療人力短缺與行政負擔日益沉重等挑戰，AI不僅能提升醫療效率與重塑照護模式的潛力，有助提供從試點到全面部署的策略。KPMG安侯建業健康照護與生技產業服務團隊主持會計師郭欣頤指出，許多機構面臨數據孤島、系統互通性不足、轉型與監管不明等阻礙，導致AI難以規模化落地。報告也指出，超過七成（76%）的醫療機構對於AI投資的態度仍偏保守謹慎。

健康醫療中的生成式AI：從預測工具到創造引擎

調查顯示，71%醫療機構認為生成式人工智慧（Generative AI）應用廣泛，已成為推動醫療創新的新引擎；有近六成（59%）的機構已將其納入產品與服務開發中。與傳統AI著重分析與預測不同，生成式AI具備更高階的創造能力，能根據學習到的龐大資料模式，應用於自動撰寫出院摘要、合成醫學影像、甚至設計潛在的新藥分子，進一步協助醫療作業流程與研發創新。資策會MIC資深產業分析師兼組長盧冠芸指出，健康醫療體系本身累積龐大的文本與影像資料，加上運作流程時常涉及繁瑣的行政與臨床作業，為生成式AI的應用提供天然應用場景與迫切需求。

圖、AI於醫療領域常見之五大應用

資策會MIC產業分析師謝淑麗表示，生成式AI在健康醫療應用的發展主要以集中在四大關鍵領域：

1.行政支援：自動化文書處理、簡化排程與帳務流程、並改善病患溝通2.臨床實務：協助診斷輔助、病歷摘要生成、臨床筆記整理與放射報告撰寫等3.藥物研發與治療設計：應用於藥物分子設計、早期藥物篩選與個人化療程規劃4.醫學研究與教育訓練：加速文獻整理、研究假說生成、建立病例資料集與教學素材

生成式AI進入核心醫療流程仍須面對監管門檻

生成式AI多應用在健康醫療的周邊或輔助的工作流程，若要真正進入核心醫療照護流程－意即「預防」、「診斷」、「治療」和「癒後」，則需通過監管機構如美國食品藥物管理局（FDA）的審核與批准。

截至2025年4月，FDA已審核批准超過千個基於AI與機器學習的醫療設備，但多為預測性或判別性演算法，尚無完全批准生成式AI系統作為直接用於醫療照護流程的醫療設備。因此，FDA正積極制定納入生成式AI的監管框架，例如要求開發者提供關於訓練資料和演算法的詳細資訊，確保AI決策的透明度，以及上市後監測機制。而不同應用面臨不同的監管路徑，臨床決策支援和診斷工具則需要更高的批准門檻，可能需要臨床驗證研究；至於AI在藥物開發中的應用，監管重點主要在於最終產生的藥物。

KPMG安侯建業健康照護與生技產業服務團隊主持人蘇嘉瑞說，因醫療領域具有其特殊性，事關人命安全，相較其他產業，此領域高度敏感性與複雜性，使AI導入過程中將更為謹慎且進程較慢。

從潛力到落地，醫療生成式AI導入的關鍵課題

對醫療機構而言，導入這類技術仍伴隨諸多挑戰與風險，技術層面上，生成式AI可能產出難以追溯或驗證的結果，臨床應用風險高，若缺乏良好流程整合，也可能增加醫護負擔。

- 資料品質與整合：84%的醫療體系高階主管認為，資料品質不佳、整合與分散儲存已成為醫療AI應用的主要障礙，AI需仰賴高品質、結構化資料，但目前醫療資訊常見碎片化與安全疑慮，建議應加強資料標準化、治理與整合，才能發揮其在醫療領域的真正潛力。-組織轉型與人員：盧冠芸提醒，臨床與行政人員對AI理解有限，導入過程需投入大量培訓與變革管理資源，同時仍需保留人工監督，以避免誤判風險-倫理與治理風險：AI訓練需仰賴大量資料，若個資與資安控管不足，恐引發法律風險與信任危機；演算法偏誤亦可能影響照護公平性。目前法規多聚焦於傳統AI工具，對生成式AI缺乏明確框架，導入時仍存在合規不確定性。-初期應用價值難衡量：如文書生成或病患溝通草稿雖風險較低，但難立即展現價值；若推動規模化應用，則須評估IT負荷、人力配置與維運成本。

郭欣頤則強調，醫療的未來不在於提升單一機構效能，而是建構由AI驅動的整合型生態系，強調預防、早期介入與個人化照護，多方協作並由AI協調，將成為推動醫療轉型的關鍵。總結來說，生成式AI導入需在技術、組織、倫理與制度面全面準備，方能實現真正效益。