醫療AI部署加速 逾六成醫療系統策略卻跟不上
最新報告顯示，雖然全球近九成醫療系統已引進人工智慧（AI）應用，但多達 63% 的機構在 AI 策略和測試基礎設施方面卻嚴重不足，導致 AI 部署潛藏演算法偏見、資安等風險，凸顯醫療產業在追求科技創新時，治理與安全控管未能同步跟上的問題。
簡詩雅
· 3 分鐘閱讀
根據美國 Center for Connected Medicine 與 KLAS Research 發布的最新報告指出，全球近九成（93%）醫療系統已部署第三方人工智慧（AI）應用，然而，絕大多數醫療機構在 AI 策略框架與測試基礎設施方面嚴重滯後。報告揭示，高達 63% 的醫療系統 AI 策略仍處於「發展中」或「臨時」階段，僅有 4% 被歸類為「先進」。
這項發現凸顯了醫療產業在擁抱 AI 創新同時，內部治理與風險控管未能及時跟上的隱憂。雖然醫療機構廣泛採用 AI 於臨床文件處理、環境聽寫（佔 52%），其次是收益週期與編碼（36%）、醫學影像（32%）以及電子病歷內嵌的臨床決策支援（32%），但在確保這些 AI 系統的準確性與安全上，卻面臨嚴峻挑戰。
報告也指出，儘管有 92% 的組織會在部署前進行測試，但卻有超過半數（56%）的機構沒有專用的資料平台或沙盒環境（sandbox environment）來驗證模型的準確性、安全性及是否有演算法漂移（algorithmic drift）的問題。演算法漂移指的是 AI 模型效能隨時間逐漸下降的現象，可能導致判斷失準。這種基礎設施的不足，使得醫療系統在未經充分驗證的情況下部署演算法，進而暴露於演算法偏見、資安漏洞及無法驗證投資報酬率（ROI）的風險。
匹茲堡大學醫療中心（UPMC）首席醫療資訊長 Dr. Rob Bart 強調：「醫療照護產業已從討論 AI 潛力，迅速轉向積極部署解決方案。現在的重點應是建立必要的治理結構、測試能力與組織策略，以確保 AI 能帶來實質且可衡量的價值。」他進一步表示，醫療 AI 的主要瓶頸已從工具採購轉變為實際驗證與基礎設施建構。
在營運痛點方面，17 家受訪機構指出仍仰賴人工試算表，另有 14 家表示團隊間資料定義不一致，更有 11 家面臨嚴重的人才或資源限制。少數先進的醫療機構已開始部署專用平台，例如匹茲堡大學醫療中心的 Ahavi 平台，便能讓機構在不干擾現場照護的情況下，針對去識別化的病患資料集，評估第三方演算法的表現。