一、前言
AI人工智慧的發展浪潮勢不可擋，配合機器學習及深度學習能夠更透徹的分析現有數據，結合雲端資料庫能夠使資訊不被地理環境及距離所侷限。前述技術需要許多創新及跨領域的整合才能發揮最大的效用，並且使人類福祉最大化。本文介紹7個結合AI技術和保健診斷應用的新創技術，內容涵蓋迄今面臨之挑戰、技術特色及優勢，應用範疇及未來發展：

二、AI技術結合保健診斷應用新創實際案例說明
(一) 醫療數據整合平台
代表性廠商：Komodo Health
現今多數醫療機構臨床資料雖然已逐漸數位化，但仍儲存在自有的資料庫中，不同地區不同機構間的資料並不相互流通，此外社會經濟差異和數據收集方法差異等亦加大了數據的偏差程度。前述資訊破碎化的情況導致患者臨床資訊、治療結果和醫療趨勢等數據的整合面臨嚴峻挑戰。

Komodo Health的Healthcare MapTM技術平台能整合醫療地圖為真實世界數據分析建立基準。Healthcare MapTM平台為患者需求(護理、診斷、費用估算)、醫療機構及學術研究單位提供了全面的視角。使醫療機構和企業在開發商品與決策時能以患者需求出發，縮短醫療供需落差並減輕疾病負擔。另外，MapEnhance更進一步擴展了Healthcare MapTM 的功能，使平台能連接整合各項醫療資訊，如臨床/數位病歷、研究數據、人口統計和死亡數據等資源。MapEnhance運用 AI 和機器學習算法處理大量複雜的信息，分析了多項資訊如患者的種族、社經背景及地理差異，能提供更準確的預測，幫助客戶識別並改善不同種族群體獲得醫療服務的差距。在未來，Healthcare MapTM平台更能為全球不同地區的政府衛生機構提供醫療需求和洞察疾病模式，推進全球醫療衛生計劃。

(二) 提升醫療資訊準確度之醫療大型語言模型
代表性廠商：Hippocratic AI
現有的醫療大型語言模型(LLM)在開發階段都會建立網路資料庫，但透過網路所蒐集的資料有準確性的疑慮，甚至可能產生誤導。為了避免這樣的情況發生，Hippocratic AI 開發了一套透過機器學習模型透過研究歷史數據，結合深度學習技術去創造的生成式AI的LLM。

Hippocratic AI 投入大量資源以獲取準確可靠的醫療內容作為資料庫，這些資訊包含了：醫療知識庫、權威醫學期刊、同行評審研究等。此外，Hippocratic AI在訓練LLM時使用人工參與驗證的強化學習方法。多樣化的訓練數據降低了偏差，且LLM可以跨醫療領域進行訓練，擴展了LLM的應用範疇，如：虛擬助手、醫療機器人和數位健康記錄管理。Hippocratic AI的LLM降低了醫療數據的使用門檻，並堅持資訊安全的原則，為每個人提供更公平的護理。LLM 在未來可望能創建逼真的醫學場景、虛擬患者和交互式學習模塊，供醫學工作者使用。

(三) 辨識癌症化療副作用之AI檢測技術
代表性廠商：52 North Health
中性粒細胞減少症是當前癌症化療療程常見的不良副作用，病程嚴重時可能因為白血球數量急遽下降，使得原本就健康狀態不佳的癌症患者更容易被感染。當前，中性粒細胞減少症必須透過醫療院所抽血檢查確認，醫療院所的頻繁往返會增加患者壓力及醫療成本，且可能因患者依從性不佳，延遲就醫導致治療效果不佳。

52 North Health開發了Neutrocheck可擕式指尖采血測試儀，不僅攜帶方便且檢測成本低，攜帶方便使檢測能夠不受使用地點限制可居家檢測，比起傳統抽血的方式，指尖採血的患者舒適度也更好。Neutrocheck可擕式指尖采血測試儀以AI分析血液樣本判定中性粒細胞減少症發生的風險，方便醫師進行早期干預。幫助醫生及早檢測併改善治療結果，提高患者生活品質，避免不必要的急診。當前，Neutrocheck僅用於少量血液樣本檢測白血球數量以判定中性粒細胞減少症發生的風險，在未來Neutrocheck具有擴展至自身免疫或其他免疫相關疾病患者居家檢測的應用。

(四) 以人工智慧語音分析為基礎之心理健康檢測平台
代表性廠商：Accexible
根據統計，全球有數百萬的人口心理健康狀態不佳，可能患有抑鬱、焦慮和阿爾茨海默氏症等心理健康狀況不佳的情況。但是，心理狀態的判定目前臨床作法是使用問題集問答評估，缺乏準確性及一致性，臨床專業人員往往低估了患者心理相關疾病病程發展的程度，實際被定義時多已處於後期，導致治療成本提高，效果也不佳，能夠早期檢測心理健康狀態的創新技術的需求日益增加。

Accexible 開發了專門分析心理健康的語音分析平台，可以做為心理疾病的前期篩查或監測。Accexible整合了神經科學、數學和聲學生物標記，開發了高效且可擴充的AI模型，並透過AI語音分析平台分析患者心理狀態，患者只需提供30至60秒語音樣本(包括語言和聲音)，且準確率達90%。Accexible平台對遠程醫療、基層醫療、臨床試驗、醫療專業人員和醫療保險都相當有幫助，目前已有40多名醫生在不同國家的1萬多名患者上使用。

(五) 用於老年人失禁症管理之AI助理
代表性廠商：AssistMe
人口老化已成為全球趨勢，與全球日益增長的老年人口相比，護理人員的數量明顯不足。由於老年人對於數位產品的學習接受度較低，更需客制化解決方案。且由於老年人的日常照護需要許多繁瑣的手動步驟才能完成，如檢查失禁護理產品(如成人尿片)是否漏氣，也因此老年患者的日常護理對護理人員來說是沮喪又耗時的工作內容。

AssistMe 是一家開發物聯網(IoT)數位助手以用於管理老年人失禁問題的公司。AssistMe希望能透過AI數位產品使護理人員在老年患者的日常流程能更有效率、更簡單。IoT感測器由感測器夾、充電器、資訊閘道器以及數位應用程式所組成，可以及時監測失禁護理產品並自動記錄檢查結果，此外還具有提醒用藥及更換失禁護理產品的功能，能夠減少護理人員定期檢查的頻率並縮短患者待換失禁護理產品的時間。目前主要應用在老年人失禁管理和安全檢控，適用的場景除了居家的老人護理外，老人安養院的使用也可以大幅降低老人照護需要的社會及醫療成本。未來的發展潛力更隨著老年人口的增長，對此類產品的需求也會增加。

(六) 胎兒心臟超音波軟體
代表性廠商：BrightHeart
先天性心臟病是新生兒最常見的病症之一。患有先天性心臟病的嬰兒需要及時接受手術，否則可能導致永久性殘疾。然而，一般產檢無法檢查出胎兒是否患有先天性心臟病，需要由專業臨床醫師在懷孕十六至二十週，並且使用胎兒心臟超音波檢查來確認是否患有先天性心臟病。另外，通常胎兒心臟超音波檢查只能發現較嚴重的心臟結構異常，對於較小型的心臟破洞、血管或瓣膜異常無法由胎兒心臟超音波發現，對病變的檢測準確性不高。

BrightHeart 的圖像分析應用程式結合了AI和即時胎兒超音波圖像，檢測早期先天性心臟疾病並給予臨床醫生在進行醫療診斷時提供協助，改善分娩護理和新生兒診斷準確度。目前BrightHeart 的圖像分析應用程式已經經過2萬例以上胎兒檢查的檢測及驗證早期先天性心臟病的跡象，為嬰兒和產婦確保高品質的護理。BrightHeart 的圖像分析應用程式在未來將結合雲端平台，讓檢測及應用程式使用更不受到限制。

(七) 可用於篩檢神經退化性疾病之人工智慧眼鏡
代表性廠商：Reyedar
隨著全球老年人口的增長，許多退化性疾病如：青光眼、帕金森氏症和多發性硬化等退行性疾病的發病率正在快速增長。根據世界衛生組織的統計數據，青光眼是致盲的第二大原因，每年增加數十億的醫療支出。如果能在早期診斷出視覺及神經的退化性疾病能避免這些疾病對患者造成不可逆的損傷。但是現有的診斷方式不僅耗時且侵入性強，更需要經驗豐富的臨床人員判讀。

為因應前述診斷需求，Reyedar開發先進的平台技術，在輕薄的眼鏡鏡框安裝偵測器，並配合矯正鏡片追蹤與蒐集眼睛移動的數據，同時利用雲端應用程式分析大腦結構及眼部神經網絡。眼球移動行為改變與視覺及神經相關疾病有關，透過AI分析診斷發現疾病的早期徵兆更能提早治療。Reyedar的偵測器屬於非侵入性檢測，測試時間少於5分鐘，加上操作簡單且抗刮鏡片不易損壞，配合人性化的應用程式能夠使患者及臨床醫師及時了解疾病進程。雖然目前僅應用於視覺和神經退行性疾病的早期檢測。未來的發展潛力相當值得期待，在臨床上可以提高醫療護理的質量，並能為神經退行性疾病的新發現做出貢獻。

三、結語
AI結合醫療診斷及追蹤能夠使得患者的醫療照護不受到限制，並能降低醫療成本及醫護人員的負擔，達到補足現今醫學臨床上不足，給患者更有品質的醫療服務的目的。