在2024年,我們開始推動全國外部驗證中心的建立,這是第一階段的工作。在這個階段,每一家中心醫院都必須串聯不同層級、能夠代表台灣不同族群的醫院。例如,一家醫學中心可以串聯地區醫院或區域醫院,形成一個聯盟。
透過 FHIR 的技術來進行資料治理,建立聯合資料庫,同時建置聯邦學習平台,讓這些聯盟能夠對外提供人工智慧模型的外部驗證服務。
經過2025年一整年的執行,這個計畫已經取得階段性的成功。
目前,已經有超過22家醫院或產業,透過這四大中心取得超過百萬筆資料。這些資料豐富了人工智慧模型的訓練與驗證基礎,讓原本只適用於單一區域或特定醫院的模型,有機會進一步發展成適用於全台灣的模型。
我們第二期計畫的重要目標,就是在過去一年多所累積的成功經驗上,繼續深化三個方向。
第一,是在既有的 FHIR 研究資料庫上面,進一步推動 LOINC、SNOMED CT、RxNorm 等醫學標準的內容治理,建立更具一致性、可以搜尋、可以分析的全國性醫療資料基礎。
第二,是深化國家聯邦學習平台,配合國家主權 AI 的三年計畫,從智慧化電子病歷編碼,到胸部 X 光、乳房攝影、CT、病理、眼底、核磁共振、心電圖與生命徵象等不同領域,逐步建立真正能夠理解台灣病人資料的國家級模型。
第三,是進一步推動國際合作,透過資料不出境的聯邦學習與外部驗證機制,讓台灣的醫療 AI 能夠與歐洲、泰國,以及未來更多國家的醫院與研究機構合作。
我們希望透過這樣分階段的推動方式,把資料治理、隱私保護、安全分析、聯邦學習與國際驗證串連起來。
因為我們真正要做的,不只是建立一個人工智慧模型,而是建立一套能夠持續發展、持續驗證,並且可以從單一醫院走向全國、再從台灣走向國際的醫療 AI 基礎建設。
【MORE】