AI医疗大未来 台湾第一本智慧医疗关键报告 pdf epub mobi txt 电子书 下载 2025

简体网页||繁体网页

☆☆☆☆☆

　　这几年AI 卷土重来，在许多产业掀起革命，也有不少科技业者尝试跨入医疗领域。就医疗而言，应用AI 早已经不是「想不想」的问题，而是非做不可，也不能再等了。

　　台湾已经迈入高龄社会，随着人口老化，我们需要投入的医疗资源越来越多；加上少子化影响，人力资源短缺，医护人员得照顾的病人越来越多，每个人能被分配到的资源变得稀少又难得，这些问题该怎么解决？

　　如果能够彻底运用AI 的侦测、预测与预防的技术，就有机会解决长照及其他医疗的重大问题。AI 已成为医疗必要的基础建设，投资AI 就是投资自己和子子孙孙健康的未来。

　　这本书将带你认识医疗AI和你有什么关系？了解最新的医疗ＡＩ科技，是你未来健康的保障。

本书特色

　　1.    全台第一本讨论医疗AI趋势专书，不同一般产业分析观点，而是与读者分享来自医疗第一线的观察，实属难得。

　　2.    作者李友专同时拥有医学与资讯双项专业，20~30年前即投入医疗ＡＩ临床研究与应用，是台湾医疗AI先驱，经常奔走国际推广台湾经验，也促成多项国际合作并屡获殊荣肯定，其影响力不言可喻。

　　3.    每个章节可独立成篇阅读，对于不熟悉医疗AI领域的一般读者，不会有阅读压力。文末的「医疗AI讨论区」专栏也提出更多个人观点与观察。

郑重推荐

　　吴成文（中央研究院院士、国家卫生研究院创院院长）
　　陈时中（卫生福利部部长）
　　李伯璋（卫生福利部中央健康保险署署长）
　　张善政（国家生技医疗产业策进会会长、前行政院长）
　　李祖德（汉鼎股份有限公司董事、台北医学大学董事）
　　邱文达（美国AHMC医疗集团共同执行长、卫生福利部前部长）
　　施振荣（宏碁集团创办人、宏碁基金会董事长）
　　吴良襄 (永龄健康基金会执行副董 )
　　林丕容（大学眼科集团总院长、博客来数位科技公司董事长）
　　林建煌（台北医学大学校长）
　　阎　云（台北医学大学台北癌症中心总召集人）
　　郭旭崧（国立阳明大学校长）
　　何弘能（台大医院院长）
　　杜奕瑾（台湾人工智慧实验室创办人）
　　刘永弘（康联生医科技股份有限公司总经理 )
　　黄威达（睿传数据股份有限公司总经理 )
　　陈俊嘉（永悦健康股份有限公司总经理 )
　　李世文（六和化工股份有限公司董事长 )

　　本书叙述人工智慧不仅将撞击产业，更可在人类的健康医疗扮演关键性的变革，如何挑战未来AI于精准医疗必然之关键科技，是当下所有的医事人员，无论是临床医学研究者或是照护团队，必须迎头赶上的能力。李友专教授的《AI医疗大未来》正道出这一波为人类而生的AI智慧医疗新纪元。──（中央研究院院士、国家卫生研究院创院院长吴成文）

　　人工智慧的浪潮唿啸而来，您准备好了吗？本书集结医疗 AI 的 七大应用，为大健康产业开拓新蓝海，在这个 AI 翻转一切的时代，让我们跟着李友专院长的脚步，投资自己，拥抱 AI 医疗新未来！──（卫生福利部中央健康保险署署长李伯璋）

　　AI发展已超过五十年，如今已在各行业全面展开应用，台湾资通讯产业居全球重要地位，加上台湾拥有一流的医疗人才，且医疗水准及健保制度受国际称赞，李院长在新书中现身说法，在此推荐给对AI应用在ICT+医疗有兴趣的朋友参考！──（宏碁集团创办人、宏碁基金会董事长施振荣）

　　人工智慧形成单一学门已超过一甲子，其间的发展数经起伏。近来借助飞越进步的科技，蠢动升温之际似渐蕴酿成一股锐不可挡的趋势。健康医疗领域随着各种组学蓬勃发展，每日都有巨量的资料等待被揭露与探索。永龄健康基金会长期关注并支持人工智慧于此的应用，期待人类的健康福祉因此更加向前推进。李院长杰出的研究与其专业，正是台湾生技医药产业创新所最需要的。──(永龄健康基金会执行副董吴良襄 )

　　AI人工智慧时代来临，李友专教授以医疗大数据为经，临床医疗为纬，勾勒人工智慧医疗，开创医生、病人、医院三赢的未来趋势与美好愿景。──（台北医学大学校长林建煌）

　　人口老化的未来，医疗资源相对稀少的条件下，如何继续提供好的医疗品质，是全球科学家的大哉问。李院长为我们展现为人类而生的医疗AI，如何协助病人、医生及医院共创多赢，亦不忘医者同理关怀的人性面，令人激赏。──（台北医学大学台北癌症中心总召集人阎云）

　　AI的领域无远弗届，我的好友李友专院长，深入浅出，毕其一生功力完成台湾第一本呈现AI如何翻转医疗全貌的书，不仅是医学生必读，也值得每一位关心医疗的人细细品味，郑重推荐！──（国立阳明大学校长郭旭崧）

　　李博士兼具临床医疗和生物资讯双重的domain knowledge，近年深耕于AI在医疗相关领域的应用。本书的完成，既代表了他个人多年跨领域整合的努力，也标示出台湾医疗奇蹟的下一个可能性。相信将为医疗健康及相关管理、教育、研究领域带来巨大冲击和长远的影响力。──(康联生医科技股份有限公司总经理刘永弘 )

　　从资讯工程进入数据科技时代，再应用到健康科技界，实践一直是此产业检验真理的唯一标准；相较于网际网路发展崛起的过程，人工智慧这条路更显得漫长，也更值得期待。李友专院长集医学与资讯之长，深知医疗产业的迫切需要，相信教授此书能带给千万有志之士一个指引，如书中所言：「让那股跃跃欲试、迫不及待用电脑做出点什么的热忱火苗，在更多人心中延烧」，功德无量！── (睿传数据股份有限公司总经理黄威达)

　　永悦肩负全球众多大型企业员工健康照护的重责大任，开发出H2U健康ATM与H2U 企业员工健康解决方案，如何有效运用数据与互联网平台，提供高效职护服务，促进员工健康，是我们的重要目标。李院长身兼医学实务与数据分析应用的领导巨擘，以简鍊文字与清晰图表点出未来AI医疗大趋势，正是致力医疗创新者的一盏明灯。──(永悦健康股份有限公司总经理陈俊嘉)

　　【宏碁基金会、永龄健康基金会、六和化工股份有限公司　推动公益赠书计划‧守护医疗未来】

作者简介

李友专（Yu-Chuan Jack Li）

　　台北医学大学医学科技学院特聘教授暨院长、万芳医院皮肤科暨雷射美容中心主任。台湾病历电子化重要推手之一，也是台湾医学资讯及人工智慧于临床应用之先驱。自1993年起投入人工智慧于医疗应用研发至今。曾获2017国际健康资讯学院（IAHSI）创始院士、2015中华民国资讯产业最高桂冠-杰出资讯人才奖、2010美国医学资讯学院（ACMI）院士、2010澳洲医学资讯学院（ACHI）院士、2001中华民国十大杰出青年等殊荣。

　　学历：1994年-美国犹他大学医学资讯博士、1991年-台北医学大学医学士

採访整理／谢其濬

　　政治大学新闻系毕业，英国史特灵大学出版硕士、英国曼彻斯特都会大学视觉传播硕士，现从事文字工作。

採访整理／林怡秀

　　中正大学企业管理硕士，13年以上行销业务与专案管理实务经验，现为台北医学大学医学科技学院专案经理兼院长特助。

推荐序：病人第一，才是我们期待的医疗人工智慧
推荐序：眼科医师看到的AI医疗大未来
自序：医疗，AI与我

第一章、AI启动医疗4.0时代
1-1、AI是人类救星？
1-2、人工智慧颠覆产业
1-3、医疗AI先行者们

第二章、医疗AI的应用
2-1、大数据分析防患未然
2-2、初筛、挂号，动口不动手
2-3、AI把关，用药更安全
2-4、降低医疗错误
2-5、智慧病房及住院品质提升
2-6、慢性病、长期照护的应用
2-7、生活习惯的自我管理

第三章、AI成为医疗守门人
3-1、提升医疗品质
3-2、没有AI，就没有精准医疗
3-3、AI翻转医疗

第四章、医疗AI新未来
4-1、快步走向医疗AI未来
4-2、台湾坐拥金山银山
4-3、AI展现人工同理心
4-4、未来的挑战

附录
参考资料    
 

【内容试阅一】

〈AI把关，用药更安全〉 (节录自本书第二章第三节)

台湾用药量与其他国家相比，数量相当惊人，总人口虽然只有2,300万，每一年全台医疗院所开出的处方笺却高达3亿6,000万张，健保局给付的药品费用一年高达1,200亿元。

根据行政院主计处调查，2016年家庭消费支出结构按消费型态区分，食品饮料及菸草占15.76％，医疗保健花费占15.33％。也就是说，台湾人每100元的花费，有15元用在吃饭，也有15元用在看病吃药，「吃药」几乎跟「吃饭」一样重要了。

如此庞大的用药量，相对出现问题的机率也会增加，不论大医院或小诊所都可能曾发生药物剂量错误、使用方式混淆等用药疏失，轻则伤身，重则致命。

医疗用药过程可区分为四个阶段：从医师开处方笺（Prescribe）、药师调剂（Dispense）、住院给药（Administration）到病人服药遵从性（Compliance），每个环节都可能发生错误，若能透过AI把关，便能在问题发生前将之「拦截」，有效降低用药错误的机率。

以AI做为用药安全的第一道防线，在医疗早期阶段捕捉不适当用药处方，不仅确保病人安全与品质，更能减少后续衍生不必要的医疗成本。

第一阶段：AESOP预警拦截问题处方

就医师开处方笺来说，AI可以扮演很好的守门人角色。

医师每天得开出许多处方笺，药方和病症并非绝对的一对一恆等式，而是一对多、多对一，乃至多对多的复杂交错关系，光是普拿疼一种药，就可以用在1,500种疾病上，要做出百分之百正确的下药判断，对医师也是很大的考验。

据估，台湾一年约有1,800万张的不适当处方笺，大约是台湾每年3亿6,000万张处方笺中的5%，这个比例和美国相当也接近全球平均。

在这5％之中，很大比例是不小心多开或少开几颗无害的药，或诊断不精确的情况，看似不严重，仍然不可不慎，开错药不仅会对人体造成伤害，严重甚至会致命，过去就曾发生过某医院开错剂量，将每次0.5颗的剂量开成每次5颗，导致病人一次吃下十倍剂量而致死的案例。相对而言，利用简单条件式就可以阻挡用药剂量明显过高或过低的错误，但用药与诊断是否相符，则需要较强大的AI系统才能诊断。

None