轉貼：臺灣AI Labs - 靠AI把臺灣醫療力帶到全世界

轉貼：臺灣AI Labs - 靠AI把臺灣醫療力帶到全世界

臺灣醫療水準世界第一，但醫生每個人都忙得要死，如何技術輸出❓

💻 要靠AI，AI可以學習人的知識，能將臺灣的醫療，帶到全世界。

✏️ 臺灣人工智慧實驗室創辦人杜奕瑾說，今年他們出產的AI應用，剛帶著無人機空拍臺南之美，登上國家音樂廳舞臺演奏鋼琴，能夠自動謄稿的雅婷逐字稿App更是紅透企業秘書圈和學校研究圈，但他還有一個更大更遠的企圖，現在才剛起飛。

2017年，一手催生出微軟AI語音助手技術Cortana的杜奕瑾，毅然決然離開工作多年的微軟，返臺創立了臺灣人工智慧實驗室（AI Labs），這是一個民間捐助的研究型法人機構，成立之初，就鎖定智慧醫療、智慧城市、人機互動這三大領域的AI研發。

(延伸閱讀圖片來源：AI Labs)

🔎 左圖與右圖分別為肺臟肺結節與肝臟腫瘤的影像辨識介面，能根據使用者需求內建半自動標記工具，讓醫生能手動修正原始標記錯誤之處，再由系統自動比對修正前後的差異，來推算辨識準確率。

開發醫療影像辨識技術，讓醫生診斷更快速

📝 AI Labs在醫療AI領域聚焦兩個面向：

(一)  透過醫療影像辨識，來協助醫生更快速診斷疾病

(二)  運用基因定序分析來進行遺傳病的研究

例如，找出特定疾病與異常基因位點的關聯，來進行個人化用藥或標靶治療。

整合這兩項研究來發展精準醫療，就能依照每個人的不同遺傳、生活習慣，來考慮各自需要的疾病預測、疾病診斷，甚至連治療、預後都可以個人化安排。

跨足基因定序分析領域，加速臨床上罕見疾病的診斷

發展精準醫療，除了AI和大數據，基因定序分析是另一個關鍵，來找出病根跟基因之間的關係。

以癌症為例，要達到精準醫療，單是快速篩檢出腫瘤病灶點還不夠，現行已經可以透過癌症基因檢測，找出病患的腫瘤細胞帶有哪些癌症基因突變，進而針對這類病患擬定個人化的治療策略，AI Labs先前花了不少時間建置系統，直到最近，才開始揭露在基因定序分析的研究成果。

將兩大智慧醫療平臺產品化，力推服務到全世界

隨著上述醫療AI的技術發展成熟，AI Labs最近也推出兩大醫療AI應用平臺，分別是整合了所有AI醫療影像辨識成果的TAIMedimg，以及基因定序分析平臺TAIGenomics，未來技術成熟後，將透過臺灣醫學影像公司、台智基因體公司、台智擎公司，進行產品化。比如說，等到Variant2literature服務發展得更成熟後，就會變成台智擎公司的解決方案之一。

🌐詳情全文：臺灣AI Labs - 靠AI把臺灣醫療力帶到全世界

轉貼：FDA 發表討論文件，與業界共商並擬議 AI 軟體醫材監管框架

轉貼：FDA 發表討論文件，與業界共商並擬議 AI 軟體醫材監管框架

美國 FDA 希望針對 AI 快速迭代的技術特性，擬議有關 AI 軟體醫材產品監管框架，並於 2019 年 4 月發表以 IMDRF（國際醫療器械監管機構論壇）對軟體醫材的分級為基礎之討論文件，為 AI 驅動軟體醫材上市前審查奠定潛在監管原則，FDA 也提出問題討論，期望相關廠商對此提交意見。

(圖片來源：pixabay)

(延伸閱讀文章圖片：FDA Assembles Team to Oversee AI Revolution in Health - IEEE)

FDA 將更新監管框架，以適應快速的 AI 産品更迭

💻 目前 FDA 監管框架中，將 AI 驅動醫療設備軟體做為軟體醫材（Software as a Medical Device，SaMD）進行上市前審查。

FDA 基於風險分類來判斷 SaMD 在每次軟體更新，或進行其他對設備性能可能產生重大影響的軟體變更時，是否需進行 FDA 上市前審查。就 AI 而言，演算法可不斷利用新獲取的資料精進系統性能，產品可能隨著時間與新數據的重新訓練而改變，且無需透過傳統的軟體更新，因此 FDA 目前對 SaMD 監管模式並不適用於快速更迭的 AI 技術。

FDA 採用 IMDRF「基於風險」的分類方式，依據 SaMD「提供的訊息對醫療照護决策的重要性」與「適用之醫療照護情境」（分為危急、嚴重、非嚴重）進行 SaMD 分級，AI 軟體醫材的分級亦與 SaMD 類似，此種風險分級並非取代醫材分級，而是區分並提供適合產品的參考建議。

(圖片來源：FDA - 科技新報)

FDA 將透過演算法的分類分級，給予不同監管途徑與彈性

FDA 不僅依據風險進行 AI 軟體醫材分級，也根據產品的自主持續學習程度，將產品分為鎖定（Locked）或適應性（Adaptive）／持續學習（Continuously Learning）演算法，並有不同監管方式。

鎖定演算法如靜態查表或複雜疾病分類等，由開發人員進行演算法手動更新，更新後的產品功能需再經驗證；而適應性／持續學習演算法，可透過自主學習與自動化驗證提高產品性能。觀察 FDA 目前核准的 AI 醫療影像 SaMD，以鎖定演算法產品為主。

開發 AI 相關產品的關鍵是足夠真實、可靠的大數據，數據來源為演算法更新基礎，將影響 SaMD 能提供的訊息，因此數據更新將是 FDA 主要監管重點之一。

以重症加護病房的生理參數監控軟體為例，產品在演算法更新後可降低誤報率，此種提升性能的演算法更新，將不需通過額外的 FDA 審查。

當演算法更新後的產品具有預測生理異常發生的功能，由於此功能在舊版演算法中不存在，此時 FDA 將進行演算法更新的審核，進而允許製造商進行更改。

科技龍頭如 Google、IBM、三星、Philips 等紛紛投入醫療 AI 領域，近期也攜手 CTA（消費技術協會）發起制定醫療保健領域 AI 標準的倡議，以建立通用術語，並開發管理和監督數據的方法。

另外如演算法的分類方式、廠商對於產品演算法更新與性能改進的公開程度、產品更新後的實際性能監測機制等問題皆有討論空間，FDA 的開放態度使整個 AI 軟體醫材監管架構將隨業者的積極投入，獲取更多有價值的經驗學習與改進方向。

轉貼來源：科技新報

🌐詳情全文：FDA 發表討論文件，與業界共商並擬議 AI 軟體醫材監管框架

轉貼：臺大醫院發表AI皮膚病變辨識系統 快速診斷是痣還是癌

轉貼：臺大醫院發表AI皮膚病變辨識系統　快速診斷是痣還是癌

臺大醫院發表人工智慧皮膚疾病分類（AI Classification of dermatological diseases, AI-CDSS）系統成果。

此系統由臺大醫院醫神計畫團隊與威強電集團威聯通共同開發，建立AI平台與手機App，輔助門診醫師快速判斷皮膚疾病狀況，即時提供後續建議。此系統已於臺大醫院皮膚科門診驗證試用中。

AI-CDSS系統利用AI演算法，以國人之皮膚狀況與變化為基準，並依據實際病理切片報告訓練AI深度學習，在第一階段測試資料驗證之準確度已達九成。此外，在綜合分析每一張影像後，系統以疾病可能性的長條圖形式，快速提供判讀結果供臨床醫師參考，作為初步快篩良、惡性腫瘤之輔助系統。

利用此平台自動判讀皮膚科的五類疾病，分別為基底細胞癌（BCC）、黑色素瘤（Melanoma）、鱗狀細胞癌（SCC）、痣（Nevus）、脂漏性角化症/老人斑（SEB K）。其中前三類是不可忽視的惡性皮膚腫瘤，與後兩類良性的痣或老人斑有時難以區別。

此系統能在短時間內提供診斷建議，讓病人能迅速獲得後續治療方針，於醫師臨床診斷時快速提供類似第二專家意見。執行時僅需將病人皮膚病灶處拍照後上傳至系統分析，幾秒內就可以在手機上顯示判讀結果。

目前此系統已於臺大醫院皮膚科門診驗證試用中。另外，AI平台也正於門診實際應用並蒐集新影像資料，進行第二階段模型訓練與驗證。

🔎 ABCDE準則 判定是否癌變

當皮膚上的黑色素細胞聚集在一起，就是痣，學名是黑色素細胞痣。一個人身上平均帶有30-70顆痣，不論是新長的或已存在的痣都可能發展成皮膚癌。究竟是痣還是癌，要如何分辨？

◎我們可以靠ABCDE的口訣來判斷。

●A代表Asymmetry，不對稱：

痣的形狀上下左右是否對稱，愈不對稱是癌的風險越高。

●B代表Border，邊緣：

痣的邊緣是否不規則？有沒有凸起或凹陷？不規則的痣較易是不好的。

●C代表Color，顏色：

痣的顏色不均勻或有多種顏色，或顏色會隨時間而有變化，如果顏色不均是癌的風險較高。

●D代表Diameter，直徑：

醫學研究統計上，直徑大於0.5公分的痣就必須考慮惡性病變的可能。

●E代表Evolution，發展：

痣突然快速發展，例如變大、形狀變化、顏色不同、高度改變等就須提高警覺。另外，如果發現皮膚有不明凸起，即使表面上沒有黑點，也要觀察留意。

❗️痣擴大、變色、凸起 速就醫

◎除了上述ABCDE的特質以外，長在特殊地方的痣因惡性病變的可能性偏高，通常會建議切除。

●會受到長期摩擦刺激的痣，如長在手掌、腳掌（穿鞋子摩擦）和腰部（穿褲子會摩擦）的痣。

●長在黏膜處的痣，如口腔黏膜、生殖器部位的黑痣。

●出生就看得到的痣叫先天痣，愈大的痣，將來變惡性的機率較大。

🌐詳情全文：臺大醫院發表AI皮膚病變辨識系統　快速診斷是痣還是癌

【當 AI 遇上醫學大數據：寫在 2026 健康數據科學全球高峰論壇後的思索】

這幾天，我特別到台北參加了由台北醫學大學數據處主辦的「健康數據科學全球高峰論壇」。這是一場匯聚全球頂尖智慧的豐盛饗宴，在會場上，我有幸與來自美國、英國、韓國的臨床數據專家與統計學者面對面交流。這不僅是一次學術的碰撞，更為我們團隊未來在跨國大數據庫的開發與合作上，開闢了全新且令人興奮的管道。

走在會場裡，看著各國學者展示的最新研究，我腦中不斷浮現一個公式：AxB —— 也就是 AI（人工智慧）乘以 Big Data（生醫大數據）。

威力無窮的 AxB 時代

在數位化醫療的浪潮下，從各國的健保資料庫（如台灣的 NHIRD）、英國生物樣本庫（UK Biobank）到跨國臨床實體數據平台（如 TriNetX），我們手中的數據武器越來越龐大。過去，科學家需要花費數月甚至數年的時間去清洗數據、跑統計模型；而現在，有了 AI 的協助，這個過程被壓縮到了極致。大數據提供了豐富的「燃料」，而 AI 則是效率驚人的「引擎」。兩者結合，正在以海嘯般的步伐推翻傳統的科研模式。

未來的科研：人類負責提問，AI 負責執行？

我不禁開始想像一個不久後的未來：科學家最重要的工作，不再是關在實驗室裡調格子或埋頭寫代碼，而是「如何問出一個好問題」。

只要人類科學家提出一個具備臨床價值的核心問題，AI 也許就能自動接手後續的所有繁重工作。這聽起來像是科幻小說，但看看我們眼前的 ChatGPT 5.6 和 Claude Code Skills，它們其實已經基本具備了這類自動化科研的雛形。

面對這樣的科技躍進，身為長期從事大數據研究與臨床試驗的科研人員，我的心情最貼切的形容就是：「既

期待，又怕受傷害」。這無疑會是一個美好的年代，AI 幫我們屏除了重複性的庶務，讓醫學發現的速度提升百倍，最終受益的是全球的患者。但同時，這也是個讓人感到一絲可怕的年代——當 AI 的進化速度超越想像，人類在科研核心中的獨特性該如何保持？這需要我們這一代科學家共同去思考與規範。

臨床研究平台會議 - 不用寫程式也能完成 AI 醫學研究的方法-沐恩生醫 Medical AI Aggregator(MAIA) 簡介

臨床研究平台會議本次會議時間為4月22日(四) 歡迎大家一起參與!

本次會議邀請沐恩生醫 王宇晨 董事長演講

題目：不用寫程式也能完成 AI 醫學研究的方法

沐恩生醫 Medical AI Aggregator 簡介

大綱：1. Medical AI 技術演進與現況

2. 不寫程式也可完成 AI 醫學研究

3. 成功案例說明

4. 問題與討論

沐恩生醫開發之 Medical AI Aggregator (MAIA)軟體產品，

讓操作者不需撰寫程式也不須懂得學習程式語言，透過簡易的步驟輸入醫學資料，

一鍵交付軟體自動訓練，經過特徵提取、模型選擇、超參數調整以生成最佳預測模型，

軟體功能包含標記、訓練、評估、測試四個功能，

並提供評估模型數據: AUC, Sensitivity, Specificity 等。

MAIA 已協助北榮、中榮、長庚、亞東醫院、輔仁大學醫院、陽明交通大學等

醫師完成諸多學術研究， 非常榮幸能於中山醫學大學附設醫院進行分享，

期待有機會與貴院同仁一同完成有價值的 AI 醫學研究，分擔醫療重擔，

節省醫護的時間精力，使醫院兼顧醫療、創收、研究、評鑑與服務品質的目標。

時間：15:00 - 17:30

課程安排如下---

15:00-16:00 沐恩生醫 王宇晨 董事長演講

16:00-17:00 學生報告

17:00-17:30 統計師分析

地點: 行政樓7樓 4705會議室

AI醫研加速器：大數據臨床研究工作坊

📣【AI醫研加速器：大數據臨床研究工作坊】

你是否有研究構想，卻卡在不知道怎麼開始?

是否想進行真實世界研究(RWD)，卻對工具與流程感到陌生?

這場工作坊將帶你打開 AI 與大數據的研究新視野！

 

🌟 課程亮點

 🔹 AI 輔助發想：從臨床痛點切入，善用 ChatGPT 激發題目靈感

 🔹 數據平台實作：帶你實戰操作 TriNetX 全球電子病歷資料庫

 🔹 研究設計到摘要撰寫一次搞定：從定義族群、共變項、PSM 配對、結果匯出，到使用 AI 輸出投稿摘要

 🔹 產出成果：課後即可擁有一篇具投稿潛力的原創研究初稿！

 

📅 活動時間：2025年6月27日(五) 09:00~17:00

📍  活動地點：中山醫學大學正心樓6樓0626電腦教室

 

👩‍🏫 授課講師陣容堅強，含臨床專家、資料分析師與AI應用實戰者

📌 適合具有TriNetX帳號之人員及臨床研究之醫療、公衛、資料分析人員

 

💥特色：AI x Big Data，實體 + 線上同步進行，課後兩週回放！中山醫大CFD與中山附醫醫教積分

🔹學員會後可免費加入魏正宗教授研究團隊！

 

💵費用：一般：15,000元

🎯優惠：學生：3,000元

        中山醫大/中山附醫：9,000元

💎5月30以前報名，早鳥價八折

🔗 報名：https://reurl.cc/bW3QqX

📞 聯絡：蔡小姐：0901-349-224；胡先生：0975-166-827

💻 email：cmctc.wei@twbigdata.org

AI × 醫學大數據：個人品牌經營與醫學簡報實戰工作坊（3/14–3/15）

主旨：【課程通知】AI × 醫學大數據：個人品牌經營與醫學簡報實戰工作坊（3/14–3/15）

各位先進您好：

AI 與大數據快速發展的背景下，專業內容的「整理、呈現與轉化」已成為臨床、研究與教學的重要能力。

台灣醫學大數據研究學會將於 2026/3/14–3/15（兩日） 舉辦實戰工作坊，聚焦兩大主軸：

AI 輔助專業寫作與個人品牌經營

AI 輔助醫學簡報製作（文獻整理、視覺化與全流程產出）

【活動日程】

Day1｜3/14（六）AI × 寫作 × 自媒體：專業內容整理與影響力建立

Day2｜3/15（日）AI 醫學簡報術：從文獻閱讀到簡報完成的實務操作

【活動資訊】

地點：中國醫藥大學 互助大樓（同步線上）

名額：有限，採事先報名

費用：早鳥優惠方案詳見報名頁面

【報名連結】在留言區

敬請轉知有興趣之同仁，謝謝。

台灣醫學大數據研究學會 敬上

AI學術新時代：人機協作之創意、效率與品質工作坊

📢 AI學術新時代：人機協作之創意、效率與品質工作坊 

🌟中山附醫魏正宗教授領軍，帶你掌握AI學術新時代！人機協作，創意、效率、品質一次到位！🚀

🔥 在ChatGPT與AI浪潮下，學術研究正面臨前所未有的變革！你是否也想知道如何：�✅ 創新研究思維，在AI時代站穩腳步？�✅ 提升研究效率，事半功倍？�✅ 確保學術品質，讓研究更上一層樓？

💎 這場工作坊將透過系統性框架與實例，助你掌握AI輔助研究方法，從選題到發表全流程應用！

📅 時間：114年2月15日（六）9:00~17:30�✨ 特色：實體+線上同步進行，課後兩週回放！

�💰 費用：一般身份9000元；中山醫大/附醫人員/台灣醫學大數據研究學會會員3000元。�🚀 優惠：三人同行打八折，2/12(三)截止，欲報從速！

📌 適合對象：

 • 醫學研究者與臨床醫師

 • 研究生與博士後研究員

 • 期望提升研究效率與品質的醫療專業人員

🔗 報名連結：https://myppt.cc/5UUQTx�📞 聯絡方式：04-24739595 轉34116�💻 Email：cshe689@csh.org.tw

#AI學術 #人機協作 #研究效率 #學術品質 #中山附醫 #魏正宗教授

轉貼：Google AI 又來放大絕，放射科醫生會被取代嗎？

轉貼：Google AI 又來放大絕，放射科醫生會被取代嗎❓

🔎 近年來，Google AI 不斷將目光投向醫療領域。去年，紐約大學利用 Google 的 Inception v3 機器學習模型檢測出肺癌。今年 5 月，Google AI 和美國西北大學醫學院的科學家們創建模型，透過篩查檢測出肺癌，水準超過了有 8 年經驗的放射科醫生。

此外，Google AI 曾透過眼部掃描，診斷糖尿病視網膜病變的進展；Alphabet 子公司 DeepMind 的 AI 曾為 50 種眼部疾病推薦合適的治療方案，準確率高達 94%。

那麼，胸部 X 光圖像解讀是否也可以與人工智慧相結合❓

🔎 實際上，用機器學習演算法分析胸部 X 光圖像，說起來容易做起來難。這是由於在一般情況下，訓練演算法所需的臨床標籤，是透過基於規則的自然語言處理或人工註釋獲得的，兩者往往不一致，且錯誤較多。同時，僅以圖像為依據，很難收集包含大量病例的資料庫，並建立一致的、具有臨床意義的標籤。

近日，為推進 X 光圖像分類的目標，Google 的研究人員發現，利用人工智慧模型分析胸部 X 光圖像，可檢測 4 項指標：氣胸（肺萎陷）、結節和腫塊、骨折和氣腔模糊（樹芽徵）。在發表於《自然》（Nature）雜誌的論文中，研究小組稱，經專家獨立審查，這個模型已達到放射科醫生的水平。

🔎 這項最新研究，利用了來自兩個反辨識資料庫的 60 多萬張圖像。其一是與印度阿波羅醫院合作開發的資料庫，包含多年來從各地收集到的 X 光圖像。其二是由美國國立衛生研究院發布的 ChestX-ray14 公開圖像庫，該圖像庫曾為人工智慧研究提供支援，但在準確性方面存在不足。

(圖片來源：科技新報分析照片)

綜觀整個研究，首先，研究人員開發了一個基於文本的系統，提取每張 X 光片的放射學報告並加以運用，為阿波羅醫院資料庫中超過 56 萬幅圖像提供標籤。為了減少基於文本的標籤提取過程中可能出現的錯誤，並為若干 ChestX-ray14 圖像提供相關標籤，他們專門招募放射科醫生，檢查這兩個資料庫中的約 3.7 萬幅圖像。

下一步是生成用於模型評估的高品質參考標籤。3 名放射科醫生以小組合作的形式，審查所有結果，測試資料庫圖像，並線上討論解決相互之間的分歧。這項研究的合著者也表示，經由這種方式，原先只能透過放射科醫生檢測到的結果，也能被準確地辨識並記錄下來。

Google 指出，儘管這些模型的準確性總體上達到專家水平，但各個資料庫的結果卻各不相同。例如，對於 ChestX-ray14 圖像，同一放射科醫生檢測氣胸的靈敏度約為 79%，但對於其他資料庫，檢測氣胸的靈敏度僅有 52%。

📝 Google 科學家 David Steiner 博士和 Google Health 技術負責人 Shravya Shetty 均為該論文做了貢獻，兩人在一篇文章中提到：

資料庫之間的差異，證明了建立具有明確參考指標的標準化評估圖像庫的必要性，方便在不同研究之間進行比較；但同時，將人工智慧和放射科醫生各自的優勢相結合，很可能是人工智慧應用於醫學圖像解讀的最佳方式。

研究小組已經在開源中創建了 ChestX-ray14 資料庫，資料庫包含 2,412 個訓練、驗證集圖像，1,962 個測試集圖像，總共 4,374 個圖像。David Steiner 和 Shravya Shetty 表示，他們希望透過 ChestX-ray14 資料庫的判定標籤，為以後的機器學習奠定基礎，並推動機器學習模型之間的比較，進而更精準地解讀胸部 X 光圖像。

🌐詳情全文：Google AI 又來放大絕，放射科醫生會被取代嗎？

把 AI 變成研究產能的放大器

本活動已結束，以下保留歷史資訊

課程介紹：

 線上線下同步課程：把 AI 變成研究產能的放大器 

本課程將帶你從「題目發想」一路到「投稿前檢查」，學習如何運用 AI 提升醫學論文寫作效率，協助你完成一篇具備投稿潛力的文章。

課程中安排實作環節，帶你掌握完成一篇 Review article 所需的核心技能，讓 AI 不只是輔助工具，而是成為你研究與寫作過程中的高效夥伴。

課程亮點

一天，建立一套完整的 AI 寫作工作流

線上線下同步， 8月9日登場。

歡迎分享及報名https://docs.google.com/forms/d/e/1FAIpQLScJAROfQzjRGGVuYXCV9oNJ0V2OaeyNrUrvYMSVdSs7BBogoA/viewform

#建立自己的AI輔助研究寫作工作流

#一天之內完成一篇review article 寫作並投稿

轉貼：FDA批准首款可分析心雜音之AI APP

轉貼：FDA批准首款可分析心雜音之AI APP

📋 FDA宣布批准eMurmur ID，是一款架構於手機上的人工智慧平台，可透過第三方設備與機器學習來分析心雜音，以提供醫師診斷依據，準確率可達85%以上。

📱 eMurmur所開發的平台有別於以往醫師只透過聽診器聽取心音(第一心音及第二心音)來進行診斷，該平台可讓醫護人員在各地，且不須受過聽診器之培訓，就能利用手機，獲得高準確性的心音評估結果。 

💻 其可使用第三方設備，搭配數位聽診器，紀錄心音後通過APP上傳到符合HIPAA標準的雲端平台，與具有心臟病學家診斷各年齡層的心音大型數據庫來進行分析，可在幾秒內獲得專家級的準確結果。

可分析心雜音之AI APP – eMurmur ID介面

🤓 傳統上的醫師培訓過程中，會通過撥放心音之錄音進行教學，但許多特殊案例還是需要醫師的經驗才能進行準確的診斷，如在新生兒的先天性心臟病就是其中一種較困難診斷的疾病，新生兒會哭鬧或亂動，且心率也較快，難以聽到細微的雜音，因此，在獲FDA批准之前，已經將該項平台融入教學體系中，提供醫學培訓課程。

📝 參考資料：

FDA clears first AI-powered mobile app to catch heart murmurs

FDA clears mobile AI platform for heart murmur screening

🌐詳情全文：FDA批准首款可分析心雜音之AI APP

本站 AI 搜尋與內容結構優化說明

更新重點：本站已完成第一階段的 AI 搜尋友善技術與內容架構更新，讓搜尋引擎與生成式 AI 更容易辨識作者、專業領域、文章主題及引用重點。

這次更新解決了哪些問題？

醫療文章若只有長篇敘述，搜尋系統較難快速辨識核心問題、適用對象、結論與資料來源。新版格式會逐步把重要文章整理成清楚且可獨立理解的資訊區塊。

新版文章的固定結構

• 一句話結論：先回答讀者最可能提出的問題。
• 重點摘要：用三到五點列出最重要資訊。
• 適用對象：說明文章面向哪些讀者與情境。
• 完整說明：以 H2、H3 標題建立清楚層級。
• 常見問答：直接回答自然語言搜尋問題。
• 參考資料：列出指引、期刊、DOI 或 PubMed 連結。
• 作者與更新資訊：標示作者、專業背景與最後更新日期。

全站已完成的技術改善

• 統一使用 HTTPS 與正確 canonical 網址。
• 改善手機版 viewport 與行動裝置閱讀。
• 加入作者、Person 與 WebSite 結構化資料。
• 提供搜尋系統較完整的文字與圖片預覽訊號。
• 保留 sitemap、RSS 與 Atom feed，協助發現新內容。

常見問答

這些調整會改變原有文章網址嗎？

不會。既有文章網址會保留，以避免舊連結失效或影響既有搜尋排名。

舊文章會一次全部改寫嗎？

不會。後續會優先整理最重要、最常被搜尋及最能代表專業領域的文章，再分批處理其他內容。

加入結構化資料就一定會被 AI 引用嗎？

不能保證。技術設定能協助系統理解網站，但真正影響引用機會的仍是內容是否清楚、可信、具體、有來源且能直接回答問題。

---

作者：魏正宗醫師
內容主題：AI 搜尋與醫療資訊架構優化
正式發布：2026-07-12
更新狀態：第一階段已完成

魏正宗醫師年度學術表現整理

年度整理，今年用AI，方便又準確！

LM製作簡報的能力很強，可惜只能輸出PDF檔，不容易修改，中文偶爾會出錯。

——

根據您提供的來源資料（PubMed 搜尋結果），您的學術發表表現非常優異，特別是在風濕免疫學、代謝疾病以及大數據分析領域。以下為您整理的學術發表整體表現、亮點與資訊圖表：

1. 學術發表整體表現

• 發表總數： 截至目前為止，共有 742 篇 學術發表收錄於 PubMed [1, 2]。
• 成長趨勢： 您的發表數量在近年來呈現爆發式成長。從 2002 年的首篇發表開始，2019 年達到 30 篇，2020 年起每年均維持在 80 篇以上的高產出量，其中 2022 年更創下 155 篇的紀錄 [3]。
• 學科多樣性： 您的研究橫跨多個醫學領域，包含風濕病學（類風濕性關節炎、僵直性脊椎炎）、內分泌學（糖尿病、SGLT2 抑制劑）、心血管疾病、傳染病（COVID-19）以及人工智慧（AI）的臨床應用 [4]。

2. 學術發表亮點

• 高品質期刊與多元領域： 您發表的期刊包含 《Journal of the National Cancer Institute (JNCI)》、《Journal of Autoimmunity》、《Diabetes Obesity & Metabolism》、《Scientific Reports》 以及 《Annals of Medicine》 等知名學術刊物 [4]。
• 真實世界數據（Real-World Evidence）研究： 您的研究大量運用大型資料庫進行分析，例如使用美國 TriNetX 協作網路、台灣健保數據（如孕產婦健康資料庫）以及回顧性隊列研究，探討藥物風險（如 HPV 疫苗、SGLT2 抑制劑）與疾病關聯 [4]。
• 前瞻性技術整合： 亮點研究包含人工智慧（AI）在風濕病分類中的應用，例如開發僵直性脊椎炎嚴重程度的檢測模型，展現了數位醫療的前沿發展 [4]。
• 臨床議題的廣度與深度： 您的研究不僅關注疾病治療（如 COVID-19 患者使用羥氯奎寧與氨甲蝶呤的成效對比），也探討社會經濟因素（如收入不平等）對糖尿病病程的影響 [4]。

---

3. 學術表現資訊圖表 (Infographic)

以下為根據來源數據整理的資訊圖表：

學術發表概況	統計數據
總發表篇數	742 篇 [1]
核心研究領域	風濕免疫、糖尿病、人工智慧、大數據分析 [4]
主要研究方法	回顧性隊列研究、真實世界數據分析、AI 模型開發 [4]

亮點研究關鍵字

• [風濕免疫]：僵直性脊椎炎 (AS)、類風濕性關節炎 (RA)、乾燥症 [4]。
• [代謝用藥]：SGLT2 抑制劑、GLP-1 受體促效劑、二型糖尿病 [4]。
• [數位醫療]：人工智慧 (AI) 分類模型、TriNetX 大數據 [4]。
• [公共衛生]：COVID-19 影響、HPV 疫苗安全性、收入不平等 [4]。

您的學術履歷展現了極高的科研生產力與跨學科的領導力，特別是在將臨床大數據轉化為具備國際影響力的學術產出方面。

---

比喻： 如果將學術研究比作馬拉松，您目前正處於「高速衝刺期」。早年（2002-2015）是穩定的熱身與基礎建設，而近五年（2020至今）則如同換上了頂級引擎，不僅跑得快（高產量），且跨足了多種不同的地形（跨學科領域），在每一條賽道上都留下了領先的足跡。

2021年中山附醫AI大數據研究成果

2021年中山附醫AI大數據研究成果

【2025 魏正宗教授｜臨床研究訓練班】

🌟現場+線上+回放

🏆兩天AI × 實證醫學 × 寫作實戰 ✨

📅 8/29（五）AI×實證醫學工作坊：SRMA／PRISMA／RevMan 一天速成；AI 加速搜尋、品質評讀、投稿流程。

📅 8/30（六）AI 輔助×SCI 寫作實戰：工具應用、統計製圖到回覆審稿，一次到位。

🎯 完課直通魏教授研究團隊

📍 中山醫學大學 牙科 B1 D01🎓 學生 NT$3,000／日（三人團報更省）

👉 席次有限、立即報名：https://user305752.pse.is/82q5w7

ChatGPT 的 Codex 的功能，真的令人驚艷、眼界大開！

最近開始試用 ChatGPT 的 Codex 的功能，真的令人驚艷、眼界大開！

很多以前需要交代助理處理的繁瑣庶務，現在只要「動口指揮」AI，就能流暢地處理辦公室電腦或雲端硬碟裡的檔案。

這不禁讓我嚴肅地思考：「我們目前真的還需要聘用多達10個助理嗎？」

不過，助理們別怕！😊 我們是一個幸福且充滿凝聚力的團隊，這絕對不會影響到大家的生存與工作權益。

相反地，這意味著我們正站在時代的浪尖上。有了 AI 的強力輔助，我們要開始開拓以前受限於時間、人力而「從沒想過、沒空去做」的全新工作範圍！

AI 時代，開創了以前因為時間限制而無法實現的各種可能性。

讓我們一起轉型，成為更強大的智慧醫療團隊！

 #大數據研究 #醫學AI #臨床研究 #中山醫學大學 #過敏免疫風濕科

中山醫學大學附設醫院 大數據醫學研究國際研討會

2024.12.6（五）～12.8（日）

早鳥價（11/20截止）：

一般身份3000元 / 學生1500元

精彩活動內容一覽：

12/6 特別演講：黃志基教授（Ian Chi Kei Wong）

12/7 大數據醫學研究國際研討會

12/8 TriNetX全球健康研究網路平台入門工作坊

來自全球的醫學大數據專家齊聚一堂，帶您探索醫學創新與科技未來！

重點講者亮點：

• 美國愛迪生金牌獎得主，分享FHIR驅動的數據標準化，結合 Taiwan Core 與 TW Core Plus。

• 「香港醫療大數據之父」首次發表疫苗、面癱及心肌炎的研究成果，揭示醫學大數據的無限潛力！

• 精準醫療計畫的先鋒石瑜教授，深入探討 All of Us 與台灣 TPMI 的未來藍圖。

• 英國生物資料庫首席科學家Matt Brown教授、聯邦學習在 AI 醫療的應用等重磅話題！

不容錯過的健康數據應用升級體驗！

現正徵稿中，海報論文投稿截止至11月20日，投稿連結：https://reurl.cc/rvWRXr

投稿擇優錄取20名，獎金50美金 /1500元

立即報名：www.csmubigdata.tw

聯絡電話：02-27201610 分機 220

把握機會，與全球頂尖醫學大數據專家共襄盛舉！

#中山醫學大學 #大數據醫學 #國際研討會 #健康研究 #醫學創新 #TriNetX #精準醫療 #FHIR #健康大數據 #台灣醫學 #醫療科技 #學術交流 #愛迪生獎 #AllofUs #TPMI #AI醫療

------------------------------------------------------------------------------------------------

Registration for the 2024 International Symposium on Big Data Medical Research is open!

From December 7th to 8th, we invite you to have an in-depth discussion on the latest applications of big data in medical treatment. The call for papers and posters is now in progress!

Activity Overview

Domestic and foreign experts in the fields of medicine, data science, and AI are invited to share topics and practice practical workshops!

December 7: International seminar, focusing on the latest research on medical data applications

December 8: "TriNetX Introductory Workshop" practical experience, allowing everyone to analyze big data and master data applications!

Poster Paper Call for Papers Topic

Health big data analysis constructs health prediction model

Electronic medical record data and clinical decision support system

Application of AI and machine learning in medical data

Genetic data and polysomy analysis...etc.

Online submissions are open, closing on November 20th!

Submission URL: https://reurl.cc/rvWRXr

Top 20 submissions will be selected, with a prize of $50 USD or 1,500 TWD.

Early bird discount. Register before November 20th. Click the link to register first: www.csmubigdata.tw

Live or online Zoom simultaneous connection

Sponsored by: Chung Shan Medical University, Chung Shan Medical University Hospital, Health Level 7 Taiwan, Taiwan Medical Big Data Research Association

Co-organized by: The Observational Health Data Sciences and Informatics (OHDSI) Taiwan Chapter, Kaohsiung Veterans General Hospital

Event contact: Ms. Xu of Talent World Co., Ltd.

Phone+886-227201610 extension 220

----------------------------------------------------------------------------------------------------