台灣的AI智慧醫療的發展在近年加速推進，充分展現出強大的產業潛力，根據美國顧問公司Frost & Sullivan調查數據顯示，2023年全球數位醫療市場規模達2,363億美元， 2028年更預估將達到4,790億美元。在這股全球市場快速擴大的浪潮中，台灣的醫療產官學界正攜手合作，完善上游產業鏈、整合智慧醫療技術，並加速落地應用，為全球醫療市場注入創新動能。
日前，資策會數位轉型研究院智造科技中心攜手醫療系統聯盟與東海大學舉辦「未來醫電：DICOM與AI技術的實踐與應用工作坊」，探討智慧醫療技術的最新發展趨勢，並邀請國立臺北護理健康大學資訊管理系連中岳副教授，以及國立彰化師範大學機電工程系鍾官榮副教授進行專題演講，並安排實作演練課程。主題聚焦於DICOM標準如何推動產業技術升級、了解YOLO深度學習模型如何應用於疾病的偵測與辨識，以及如何透過AI模型與PACS系統進行整合。
為協助台灣智慧醫療技術快速融入國際市場，本次活動核心重點在於技術整合與國際鏈結，以期加速台灣產業與全球市場接軌，進一步參與國際供應鏈的合作與發展，因此也吸引來自醫療、ICT產業領導者、公協會會員、研究人員等多元領域的專業人士前來參與。透過實務應用、技術交流與國際輸出前的整備，提升對國際相關準則的理解與掌握，不僅能夠推動技術標準的落實，未來更能讓台灣企業在全球市場中展現競爭力，為智慧醫療技術開啟更多國際合作的機會。
▲工作坊吸引醫療、ICT產業領導者、公協會會員、研究人員等多元領域的專業人士前來參與。／ Photo Credit：TNL Brand Studio
醫療影像新突破！YOLO深度學習模型 精準辨識心臟疾病
在數位轉型浪潮下，醫療影像分析成為推智慧醫療的重要支柱之一。鍾官榮副教授與研究團隊透過YOLO（You Only Look Once）深度學習模型，應用於胸部X光片分析，進行疾病辨識與分類。
YOLO可一次性預測多個物體的位置和類別，並且進行偵測和識別的能力。此次研究聚焦於「辨識正常」與「心臟肥大（Cardiomegaly）」兩種分類，透過大量X光影像訓練模型，最終達成了平均準確率（mAP）高達95.8%的亮眼成果。
▲搭上數位轉型浪潮，醫療影像分析是推智慧醫療的重要支柱。／ Photo Credit：TNL Brand Studio
YOLO一次掃瞄完成辨識 降低診斷成本、提升效率
過去醫學影像的處理往往需耗費大量時間進行多步驟分析，而YOLO僅需一次掃描便可完成辨識，提升影像偵測的效率。過程中，研究團隊處理數據、優化參數，並採用10,000次疊代後停止運算以避免出現過擬合（overfitting）的狀況，以保證模型的準確性，也縮短了運算時間。
YOLO在醫療影像上的應用前景廣闊，除胸部X光片外，未來可擴展至癌細胞偵測，以及醫療影像2D轉3D等領域。鍾官榮副教授表示，「深度學習不僅能為醫療檢測帶來準確性，也為醫療資源的公平分配提供了技術支持」特別是在醫療資源稀缺的地區，這類模型的應用將大大降低診斷成本並提升效率。
▲鍾官榮副教授研究團隊透過YOLO（You Only Look Once）深度學習模型，應用於胸部X光片分析，進行疾病辨識與分類。／ Photo Credit：TNL Brand Studio
DICOM標準串聯AI與PACS 跨越技術溝通鴻溝
當AI技術全面融入醫療系統，「DICOM標準」扮演了連結AI與醫學影像管理系統（PACS）的要角。DICOM讓來自不同廠商的設備與AI模型實現「互通性」，為醫療人員提供更精準且高效的診斷輔助工具。DICOM標準是一套專為醫學影像設計的國際規範，包括影像傳輸、儲存及標記等功能，連中岳副教授指出，不僅能將AI分析結果以標準化格式儲存，還能進行結構化報告與三維影像重建。
透過DICOM標準，不同廠商的影像設備和AI模型都能實現資料「互通」。舉例來說，當AI模型檢測出肺部結節或腦部腫瘤後，結果能直接以標準格式存儲於PACS，醫師便可輕鬆透過不同的影像檢視軟體查看AI分析標記，大幅提升診斷效率。此外，DICOM標準還強調使用統一的醫學術語，避免因不同名詞導致的溝通誤差，也讓醫生在不同的影像檢視平台上都能清楚理解AI分析結果。
▲連中岳副教授表示，透過DICOM標準，不同影像設備和AI模型都能實現資料「互通」。／ Photo Credit：TNL Brand Studio
面對數位醫療市場的高速成長，AI技術已成為台灣醫療產業的核心推動力，從影像診斷到臨床應用，都展現無限可能。台灣在技術實力與創新應用上擁有深厚基礎，現今更是搶占全球市場先機的關鍵時刻，而透過強化AI技術的應用與國際標準的接軌，台灣不僅有望成為全球數位醫療產業鏈的重要角色，也將為全球公共衛生與醫療服務帶來更多突破性的貢獻。
