健保署攜手Google與北醫大啟動糖尿病AI精準衛教新時代

中央健康保險署結合Google人工智慧技術與台北醫學大學研究團隊，於115年3月4日在「Google台灣20週年AI領航智慧健康」活動中，正式發表糖尿病風險評估與智能衛教場域驗證成果。這項計畫因應全國超過320萬名糖尿病患者管理挑戰，運用健保署累積31年的醫療大數據，在DSCI糖尿病共病嚴重分數架構下，透過AI生成模型提供個人化衛教內容，並在40家基層診所完成實證測試，建立民眾端健康存摺與醫療端家醫大平台的雙軌支援機制，實現慢性病分級分流管理與賦權於民的政策目標。

糖尿病威脅升級 催生精準衛教政策

我國慢性病防治面臨嚴峻考驗，三高慢性病人口已突破850萬人，其中糖尿病患者高達320萬人，相關併發症包括腎病變、視網膜病變、心血管疾病等，不僅嚴重影響民眾生活品質，更對健保體系造成長期財務壓力。傳統衛教模式採取一體適用策略，難以因應患者個別風險差異，導致衛教資源分配不均與成效有限的困境。為此，健保署早在數年前便開始構思如何運用全民健保資料庫的龐大資源，建立具備本土實證基礎的糖尿病風險評估模型。

這項構思在台北醫學大學研究團隊的協助下逐漸成形。北醫大團隊在DSCI糖尿病共病嚴重分數的架構下，結合國家衛生研究院的專業資源，分析健保資料庫中數百萬筆去識別化醫療紀錄，找出與糖尿病併發症高度相關的風險因子。研究團隊發現，除了血糖控制指標外，患者的共病模式、用藥順從性、就醫頻率、年齡層分布與地理區域差異，都是影響預後的關鍵因素。經過反覆驗證與模型優化，終於建立一套能夠準確預測個別患者未來1至3年內發生主要併發症風險的評估系統，為精準衛教奠定科學基礎。

產官學跨界協作 建構驗證場域網絡

這項創新計畫的推動，仰賴完整的產官學協作架構。健保署擔任政策主導與資料管理者，提供31年珍貴的全民健保資料庫；Google貢獻其領先全球的AI生成模型技術與自然語言處理能力；台北醫學大學負責臨床實證研究與模型建構；國家衛生研究院提供流行病學專業支援；社團法人數位人道協會則協助技術導入與數位轉型輔導。

為確保模型在真實醫療場域的適用性，健保署特別結合中華民國糖尿病學會、中華民國糖尿病衛教學會、台灣基層糖尿病學會與台灣家庭醫學醫學會四大專業學會，啟動大規模場域驗證計畫。驗證過程共計招募40家基層診所參與，地理分布涵蓋北部7家、中部29家及南部4家，特別納入都會型與偏鄉型診所，測試系統在不同醫療資源環境下的穩定性與有效性。參與診所的醫師與衛教師在計畫執行期間提供寶貴的臨床回饋，協助調整風險評估模型的敏感度與衛教內容的實用性，確保最終產品符合第一線醫療人員需求。

AI雙軌機制 賦能民眾與醫療端

這套精準衛教系統的核心價值，在於建立民眾端與臨床端的雙軌支援機制。在民眾端，系統整合個人醫療紀錄與DSCI評估指數，透過AI生成模型自動產生淺顯易懂的個人化衛教資訊，並在健康存摺專區中呈現糖尿病風險分級與具體衛教提醒。患者登入健康存摺後，可清楚看到自身被歸類為低風險、中風險或高風險族群，並獲得對應的飲食建議、運動指引、用藥提醒與併發症預防知識。這種個人化資訊推送方式，打破傳統衛教單張的通用模式，讓每位患者都能掌握與自身健康狀態最相關的資訊。

在臨床端，系統透過家醫大平台整合整體風險評估與DSCI資訊，當醫師點開患者病歷時，AI自動生成併發症預防建議與照護指引，作為臨床決策的參考輔助工具。例如，對於高風險腎病變患者，系統會提醒醫師加強尿液微量白蛋白追蹤；對於視網膜病變風險較高者，則建議安排定期眼底檢查。這些智慧提醒不僅提升醫師診療效率，更確保照護品質的一致性，減少人為疏漏可能。此外，系統還能協助醫師識別需要轉診至專科醫院的複雜個案，實現有效的分級醫療。

資料治理嚴謹 堅守隱私保護原則

面對如此大規模的醫療資料應用，健保署強調全程遵循資料不離署與最小資料使用原則。所有AI模型訓練與運算都在健保署建置的資安環境內完成，原始醫療資料不會外流至合作廠商。Google提供的技術以演算法與軟體工具形式導入，實際運算時僅使用去識別化後的結構化資料，確保患者隱私獲得最高規格保護。

健保署陳亮妤署長在活動中特別指出，健保署擁有31年珍貴的全民健保資料，2004年推出健保IC卡實現就醫資訊電子化，2013年健保雲端系統上線啟用雲端藥歷與影像分享，這些基礎建設為今日的AI應用鋪路。此次合作不僅是技術升級，更是賦權於民政策理念的實踐。透過讓民眾擁有自身健康資料並提供個人化衛教資訊，政府將健康自主權交還人民，鼓勵民眾從被動接受醫療轉為主動管理健康，這正是精準衛教政策的起點與核心價值。

未來擴展藍圖 挑戰與機遇並存

這項計畫的成功驗證，為台灣慢性病管理開啟新頁。展望未來，健保署規劃將此模式擴展至高血壓、高血脂等其他三高慢性病，甚至進一步應用於心衰竭、慢性腎病等重大慢性病領域。技術層面上，團隊將持續優化AI生成模型的準確度與語言親和力，考慮納入台語、客語等多語言衛教內容生成，服務不同族裔患者。此外，系統將整合穿戴式裝置數據，即時追蹤患者血糖、血壓變化，提供動態風險調整與即時衛教介入。

然而，挑戰依然存在。偏鄉地區網路基礎建設不足與數位落差問題，可能影響高齡患者使用健康存摺的意願與能力。醫療端則需面對系統整合與工作流程調整的適應期，部分醫師對AI建議的接受度仍需時間培養。健保署表示，將持續辦理醫療人員教育訓練與民眾數位健康識能推廣，並建立長期追蹤機制，評估精準衛教對臨床指標與醫療支出的實質效益，確保這項創新政策能真正落地生根，造福全國慢性病患者。