健保署攜手Google推糖尿病AI預測 3月健康存摺App啟用個人化衛教

健保署3月4日揭露與Google臺灣合作兩年的糖尿病AI專案重大進展，這項由Google提供AI技術與算力、北醫與國衛院共同開發的糖尿病風險預測模型，已能準確預測糖尿病風險等級與共病風險，並結合Gemini生成式AI提供個人化衛教資訊。醫療院所目前已可透過家醫大平台查看患者風險等級，而民眾端預計本月在健康存摺App推出AI衛教助理功能，授權同意的民眾即可使用。衛福部部長石崇良同步宣示，未來將推動國際醫療資料交換標準FHIR與聯邦學習機制，讓電子病歷與健保資料深度結合，打造更通用的AI預測模型，下一步更將擴及高血脂與慢性腎臟病風險預測。

兩年磨劍 糖尿病AI預測模型正式亮相

這項名為AI-on-DM的糖尿病風險預測專案於2024年5月正式簽約啟動，由時任健保署署長石崇良親自主持，集結產官學研四方力量共同投入。專案核心目標在於開發糖尿病共病嚴重分數（DSCI）預測系統，透過AI演算法分析民眾的健保就醫軌跡，提前識別高風險族群。整體分工架構明確，健保署負責政策引導與數據管理，運用涵蓋全臺2,300萬人的健保大數據作為模型訓練基礎；Google提供先進AI工具與強大算力支援，包括Vertex AI平台與Gemini生成式AI技術；國衛院扮演智庫角色，專注於實證研究與標準建立，確保模型科學性與臨床適用性；北醫則承擔模型訓練與智慧照護示範重任，將學術研究成果轉化為實際應用場景。

模型運作機制相當精密，系統會自動擷取健保資料庫中的多維度數據，包括性別、年齡、共病歷史、家族病史、社經地位資訊、風險因子、檢驗檢查數據等超過百項特徵值，透過健保雲端運算環境進行即時分析。演算法會產出兩大核心預測結果：第一項是糖尿病風險等級，將民眾分為低、中、高三個風險層級；第二項則是糖尿病共病風險預測，精準評估未來發生視網膜病變、腦血管病變、腎病變、心血管疾病等併發症的機率。這種雙軸預測架構讓醫療團隊能同時掌握罹病風險與疾病嚴重度，制定更精準的預防介入策略。

數位基礎建設完備 成就AI應用沃土

健保署署長陳亮妤特別強調，這項AI專案的成功奠基於健保署長達二十年建構的數位基礎設施。回溯至2004年啟用的健保IC卡，這張小小卡片開啟了臺灣醫療數位化序幕。當時只要醫療院所讀卡，就能立即查詢病人最近六次就醫紀錄、重要處方與過敏藥物資訊，還能檢視重大傷病、器官捐贈與安寧緩和醫療等關鍵註記，大幅提升就醫安全與連續性照護品質。

在此基礎上，健保署於2013年推出健保雲端藥歷系統（MedCloud），並在2016年升級為健保醫療資訊雲端查詢系統，將分散在不同醫療院所的診療資料進行跨機構整合。如今醫師透過單一平台即可調閱包括用藥紀錄、檢查檢驗結果、手術紀錄、牙科處置紀錄、過敏藥物紀錄、疫苗接種等十二大類資訊，甚至能直接調閱電腦斷層（CT）、磁振造影（MRI）等醫療影像，無需重複檢查，既節省醫療資源又提高診斷效率。

2024年更推出2.0版本，不僅優化使用者介面體驗，更導入多項主動提示機制，包括過敏藥物警示、藥品交互作用提醒、潛在C肝病人追蹤、重複用藥或重複檢驗檢查預警等智慧功能。陳亮妤指出，正是這套完善的數位基礎建設，讓臺灣在COVID-19疫情期間能快速介接疾管署資料，即時掌握全臺疫苗施打狀況，擬定精準防疫策略，如今也成為發展醫療AI的堅實後盾。

健康台灣888計畫 催生AI預測專案

這項糖尿病AI專案的誕生，與國家級健康政策密切相關。隨著臺灣正式進入超高齡社會，三高慢性病患人數急遽攀升，已成為過去十年間健康支出增長最快的疾病類別。總統賴清德上任後隨即提出健康台灣888三高防治計畫，設定明確目標：2030年前將80%的三高與慢性腎臟病患者納入照護網絡，其中80%患者接受生活形態諮詢，並讓80%的三高與慢性腎臟病患者達到最終控制目標。

為達成這三個「8」，健保署自2024年起分頭展開多項配套計畫。針對第一個8，推動家醫照護整合性計畫2.0、地區醫院全人全社區照護計畫與創新藥物給付機制，擴大收案量能。針對第二個8，開發實證基礎的生活型態評估工具，試辦慢性病價值導向的全人照護模式。第三個8則聚焦數位創新，開發整合個人健康數據的新平台，發展AI個人化衛教素材與工具，並透過公私協力鼓勵使用創新數位照護工具。

AI-on-DM專案正是在此政策框架下應運而生，選定糖尿病作為首波攻堅目標，原因在於糖尿病不僅盛行率高，更與多種併發症密切相關，若能早期預測介入，可產生顯著健康效益與醫療成本節約效果。專案團隊花費兩年時間，分析超過百萬筆去識別化健保資料，反覆驗證模型準確度，終於在今年取得突破性成果。

雙軌並進 醫療端與民眾端同步上線

今年這項AI專案達成兩大實質進展，採取醫療端與民眾端雙軌並行策略。在醫療端，家醫科醫師與護理師現在可透過家醫大平台，直接查看AI模型產出的兩項預測結果。當患者就診時，系統會自動顯示其糖尿病風險等級與共病風險評分，醫療團隊可根據高風險標記，即時進行衛教指導、安排進一步檢查或轉介專科，實現精準預防醫學。這種主動提示機制，讓醫師在有限的門診時間內，能快速識別最需要介入的個案，提升照護效率。

在民眾端，健保署預計3月底前在健康存摺App正式上線AI衛教助理功能。這項功能採用Google Gemini生成式AI技術，當民眾授權同意後，系統會根據其個人健保資料與風險等級，自動生成客製化衛教內容。例如高風險族群會收到飲食控制、運動建議、定期檢查提醒等積極性指引；低風險族群則獲得健康維持與生活型態優化建議。這種個人化衛教不僅提高民眾健康意識，更能促進病患主動參與自我健康管理，落實「自己的健康自己把關」理念。

為確保模型上線品質，健保署聯合中華民國糖尿病學會、中華民國糖尿病衛教學會、臺灣基層糖尿病學會、臺灣家庭醫學醫學會四大專科學會，啟動「糖尿病風險評估與智能衛教」場域驗證計畫。驗證過程邀請40家診所參與，地理分布涵蓋北部7家、中部29家、南部4家，類型包括都會型與偏鄉型診所，確保模型在不同醫療環境下的適用性。結果顯示，模型的信度與效度均達95%以上，已達正式臨床應用水準，為全面推廣奠定堅實基礎。

偏鄉驗證導入社會處方 消弭健康不平等

這項糖尿病AI專案的影響力更延伸至偏鄉醫療與社會處方領域。Google旗下慈善組織Google.org特別資助社團法人數位人道協會，在偏鄉基層進行場域驗證，目的在透過數位科技及早介入，消弭城鄉健康不平等。數位人道協會創辦人潘人豪指出，偏鄉地區普遍存在三高慢性病問題，但因醫療資源不足、交通不便等因素，民眾往往延誤就醫，導致疾病惡化。

為解決此困境，數位人道協會自去年12月起推動社區數位健康促進活動，預計持續至2027年。介入模式採用分級管理策略：先以AI模型進行糖尿病共病風險預測，高風險患者直接轉介就醫，確保及時獲得專業治療；低風險患者則導入社會處方概念，提供九大類健康促進課程，包括照護技巧、數位學習、藝術療癒、社交互動等多元面向，其中也整合AI衛教助理，由醫療單位衛教師透過遠距視訊方式，對病人或高齡長輩進行個別化衛教說明。

目前這套模式已在30多個偏鄉據點實施，透過遠距視訊完成風險評估、醫療諮詢與健康促進活動。同時，數位人道協會也正進行照服員線上培力訓練，強化偏鄉照護人員的專業知識與數位應用能力，建構可持續運作的社區健康網絡。這種結合AI預測、社會處方與遠距照護的創新模式，為偏鄉慢性病防治開闢新徑。

下一步佈局 高血脂腎病變模型接棒登場

衛福部部長石崇良明確指出，糖尿病風險預測只是AI應用的起點，接下來將依序開發高血脂與慢性腎臟病風險預測模型，逐步將所有三高患者納入智慧照護網絡。這項擴張計畫同樣遵循AI-on-DM專案的成功模式，結合健保大數據、頂尖醫療機構與科技夥伴，建構更全面性的慢性病預測體系。預計未來三年內，將完成三高疾病AI預測模型的完整佈局，實現健康台灣888計畫的數位願景。

然而，石崇良也點出當前資料架構的關鍵瓶頸。目前健保資料庫內容以申報資料為主，雖然健保醫療資訊雲端查詢系統已盡可能納入多元醫療紀錄，但仍缺乏最核心的臨床歷程資料，也就是只存在於醫院電子病歷中的詳細病程記錄、醫師評估、護理紀錄等。這些資料才是發展精準AI最珍貴的燃料，卻因資料格式不一、互通性不足而難以利用。

FHIR與聯邦學習 打造次世代醫療平台

為突破資料孤島困境，衛福部資訊處已啟動次世代數位醫療平台計畫，採取兩大基礎工程策略。第一階段是全面推動國際醫療資料交換標準FHIR（Fast Healthcare Interoperability Resources），要求部立醫院與合約醫療院所將電子病歷結構化，採用統一資料格式，確保不同系統間的互通性。FHIR標準能將複雜的臨床資料轉化為標準化資源，讓AI模型更容易讀取與分析，為未來的醫療AI應用鋪平道路。

第二階段則是導入聯邦學習（Federated Learning）機制，這是一種資料不出院、模型可共享的創新AI訓練模式。各醫療機構可在自家資料庫內訓練AI模型，僅將模型參數加密上傳至中央平台進行聚合，無需分享原始病歷資料，徹底解決資料隱私與資安疑慮。這種集各家之力、保資料安全的方式，能打造更通用、更強大的AI預測模型，發揮更大的醫療效益。

石崇良強調，這兩項基礎工程是臺灣發展醫療AI的關鍵轉折點。當電子病歷全面FHIR化，搭配聯邦學習機制，臺灣將能建立國家級醫療AI訓練平台，不僅服務國內需求，更有機會輸出國際，將臺灣成功的健保模式與AI應用經驗推向全球舞台。這場由糖尿病AI專案揭開序幕的數位醫療革命，正在重塑臺灣醫療照護的未來樣貌。