衛福部啟動三大中心推動AI醫療規範 平衡診斷安全與便利性

衛福部於2023年10月正式啟動「負責任AI執行中心」、「AI醫療驗證中心」及「健保給付評估中心」三大核心機構，聯手台大醫院、長庚紀念醫院等16家指標醫療院所，系統性解決AI醫療落地的取證難題與健保給付爭議。此舉直接回應世界衛生組織（WHO）2023年發布的《AI醫療風險警示報告》，該報告指出全球37%的醫療AI系統存在族群偏見，導致少數族群診斷誤差率高達15%，亟需建立明確法律框架與損害救濟機制。透過風險分級管理與跨機構數據驗證，政府將診斷便利性與患者安全納入同等重要層面，化解醫病雙方對自動化技術的信任危機。目前全球AI治理正從企業自律轉向法制化，美國FDA已推出AI-ML軟體預先審查框架，歐盟AI法案亦強制高風險醫療應用需通過第三方驗證，台灣此舉展現前瞻佈局，預計縮短產品取證週期40%，加速智慧醫療產業規模化。

三大中心打造AI醫療落地生態系

衛福部三大中心的運作模式展現政府角色從監管者轉型為生態系推動者。其中「負責任AI執行中心」專責制定法律標準，例如要求所有醫療AI系統必須公開訓練數據來源與偏見測試報告，並設立1500萬元的損害賠償基金，針對因AI誤診導致的醫療事故提供即時救濟。而「AI醫療驗證中心」則整合16家聯盟醫院的臨床數據，建立標準化驗證流程，將原本需12至18個月的取證週期縮短至3至6個月。以台大醫院合作的AI肺部影像診斷系統為例，透過中心提供的跨院數據比對，成功解決早期因數據來源單一導致的誤診問題，驗證效率提升60%。更關鍵的是，「健保給付評估中心」首次將AI產品納入健保給付清單，依據風險分級設定不同給付比例，高風險系統如手術輔助AI需先通過嚴格審查才可獲30%給付，而低風險的病歷分析工具則享有70%給付支持。這種「風險導向治理」不僅降低產業法律不確定性，更使AI從技術實驗轉化為可持續商業模式，據產業分析，2024年台灣AI醫療市場將因此成長35%，創造逾200億元商機。

風險分級與透明度要求的全球實踐

風險分級制度是台灣規範的核心創新，參考國際標準如ISO 23053醫療AI風險分類，將系統分為三級：高風險（如手術輔助、診斷決策）需全生命週期監控；中風險（如病歷分析）需定期審查；低風險（如預約系統）則簡化驗證。以近期通過審查的「AI心電圖分析系統」為例，該系統因訓練數據涵蓋85%台灣人口族群，符合透明度要求，獲頒「中風險」認證，得以在3個月內完成取證。政府更強制要求所有AI產品公開「偏見測試報告」，例如某影像系統曾因對女性患者誤診率偏高而被退回，經補充多元數據後重新驗證通過。此舉不僅化解患者對AI偏見的擔憂，也提升醫療機構採用意願。WHO專家指出，台灣模式已成全球典範，其透明度要求被納入2024年WHO新訂的《醫療AI國際指引》草案。此外，中心建立的「AI模型生命週期管理平台」整合開發、部署、退役全過程，例如要求系統每6個月更新演算法以適應新病例，避免過時技術導致診斷偏差。專家分析，此機制使醫療AI誤診率預計下降25%，同時加速產業創新循環。

全球治理趨勢與台灣獨特優勢

台灣的AI醫療規範路徑與全球形成顯著對比，歐盟AI法案採取「一刀切」式分類，高風險系統需先取得CE認證才可上市，但審查週期長達18個月；美國FDA則強調「預先審查」，但缺乏統一標準，導致企業需重複應對各州法規。相較之下，台灣透過16家醫院聯盟打造「預先驗證」生態系，將全球平均14個月的取證週期壓縮至6個月內，這項效率優勢已吸引矽谷AI醫療新創如DeepMind台灣分公司前來合作。更關鍵的是，台灣醫療體系整合度高，16家聯盟醫院涵蓋全台70%三級醫療資源，數據互通性達95%，遠高於歐美分散式架構。經濟部產業局數據顯示，2023年台灣AI醫療專利申請量年增42%，其中67%與三大中心驗證流程直接相關。未來，政府規劃擴大至20家醫院聯盟，並結合國衛院建置「AI安全數據庫」，即時追蹤全球醫療AI風險案例。此舉不僅解決產業化瓶頸，更將台灣定位為亞太醫療AI治理樞紐，預計2025年吸引超過50家國際企業設立研發中心，進一步鞏固數位醫療競爭力。