（文章首圖由AI生成）

生成式AI與大型語言模型正快速改寫各行各業的運作方式，照顧場域也成為政府政策與科技業者積極切入的新焦點。但在許多第一線機構眼中，AI卻仍停留在紙上談兵的階段，網路不穩、系統不通、照服員不會用、產品買不起，科技再先進，也難以真正走進照顧現場。

台北醫學大學數據處數據長許明暉直言，科技強不等於實用，關鍵落差在於是否貼近現場需求，政府需要從旁協助拉正方向，企業與學界則要選對戰場、對症下藥。

台北醫學大學數據處數據長許明暉

AI應用潛力初現　不能只停在健康監測

許明暉指出，AI的發展是演算法、數據與算力三力交織的結果。從類神經網路、機器學習到深度學習與大型語言模型（LLM），背後則是GPU算力提升與資料資源累積所推動的產業化發展，「沒有硬體突破，LLM根本跑不動。」

在醫療領域，台灣健保資料庫與影像資料庫建立良好基礎，使CT影像AI判讀比人更快更準；照顧端的應用也開始浮現，例如，透過智慧藥盒協助用藥管理、非接觸式量測與智慧床墊追蹤生理變化、電腦視覺提升傷口照護精準度、LLM改善外籍照服員與長者溝通障礙，相關應用逐步成形。未來，若把陪伴機器人與數位雙生（Digital Twin）結合，更可以讓長者與親人數位分身互動，減輕長輩孤獨感。

不過他也提醒，不能讓AI的應用視野只停在風險監測或行為偵測，AI技術一旦能回應生活中的不便，更可能為照顧注入實質助力。

許明暉提及，國際在智慧科技的多元應用上走得比我們更遠，例如，歐盟推動智慧健康長照計畫（AAL），早已從環境輔助（Ambient）走向主動輔助（Active），重點是讓長者活得更自主，「AAL涵蓋的不只是監測設備，還包括提升行動力、營養支持、社區送餐，甚至鼓勵長者有償或無償工作，強調的是生活的尊嚴與樂趣。」

計畫「點火」之後　場域能不能延續燃燒？

作為國科會科技政策諮詢專家室成員、前衛福部資訊處處長，許明暉熟悉政府計畫如何運作。以《高齡科技產業行動計畫》為例，是由國科會主導計畫，核心概念是發展市場經濟、普惠科技、提升照顧效能與生活品質，「這些方向是對的，政策點火也不難，難的是產業與場域能不能點得著、燒得旺。」

如何突破這些挑戰？許明暉認為，首要任務是走入照顧現場，建立開發端與照顧端的真實對話。他指出，不少開發者「選自己會做的技術」，結果做出來的產品場域難以使用，「要從最小、最急迫的需求做起，才能一點一點建立信任。」

此外，照顧場域資訊化起步晚，系統未整合、資料品質參差不齊，很多還是靠人工輸入，要用來訓練AI模型很難；相較之下，醫療領域早已建立起健康促進、疾病預防、醫療救治的三段五級照護架構，加上健保與電子病歷（EMR）系統的基礎，AI落地有成熟的土壤。

因此，數位轉型是照顧場域的必修課。「很多機構連排班、財務、記錄系統都還沒建好，就談AI？太早了、不實際。」許明暉強調，應先完成基本數位化，再談智慧應用。

此外，他認為，未來單一產品無法帶動產業AI化發展，需要能整合軟硬體技術，像7-11一樣的系統整合商（SI）來扮演關鍵角色。

AI可以改變照顧，但需要需要政策拉正方向、企業選對戰場、研究者走入現場，更需要照顧端問對問題，從真正的需求開始，才有機會讓照顧產業AI化發展走得長遠。

喜歡這篇文章嗎？加入會員即可收藏文章、產品及供應商