演讲主题：临床AI的开发循环：从发现讯号到临床试验与真实世界部属
讲者: 林嶔博士 國防醫學大學醫學系教授
时间: 2026/3/11 (叁) 12:10-14:00
地点: 管理大楼11楼-AI講堂 或 線上直播https://reurl.cc/GG72GG
报名连结: 或扫描海报QRcode
(教职员可获得2小时活动时数认证，请上活动报名系统报名参加)
讲者簡介:
林嶔博士為资料科学家，长期致力於建立医疗人工智慧的临床实证标準。其研究整合大规模电子病歷、心电图、医学影像与居家感测资料，发展不仅具备高準确度，更能改变临床决策并改善病人结果的AI系统。林博士已主持或共同主持超过十项AI随机对照试验，研究成果发表於Nature Medicine、NEJM AI、Radiology与Nature Communications等国际顶尖期刊。其团队所开发之AI-ECG系统已取得TFDA核可与USFDA突破性醫材認定，完成技術移轉，並實際部署於多家醫院与偏鄉社區篩檢計畫。其核心理念在於將AI視為一種系統性臨床介入，強調從模型預測、醫師行動到病人結果之間的因果路徑，並以嚴謹的臨床試驗与真實世界證據，建立可被信任与長期運作的醫療AI科学。
演讲摘要:
近年来人工智慧在医疗领域的应用已从单纯的模型效能展示，逐步迈向以临床效益為核心的实证导向发展。本演讲提出「clinical AI cycle」的整体架构，系统性说明临床 AI 如何從訊號發現、經由務實型臨床試驗驗證效益，最終成功導入真實世界的醫療与公共衛生場域。首先，在signal discovery阶段，演讲将说明如何利用心电图（ECG）、胸部 X 光（CXR）等例行性检查，结合电子病歷（EHR）与多模態資料，透過資料驅動与基礎模型（foundation models）的方法，辨识潜在但尚未被临床察觉的疾病风险。此一策略使单一检查得以同时对应多种疾病，突破传统「一检查一疾病」的筛检限制。其次，在pragmatic trials阶段，本演讲强调 AI 模型必须搭配预先定义的临床行动（pre-specified actions），並嵌入真實醫療流程中加以評估。透過數位化臨床試驗平台与隨機對照試驗設計，AI 不仅被视為预测工具，更被定位為促发临床介入、进而改善病人预后的决策引擎。最后，在real-world deployment阶段，演讲将展示 AI 如何擴展至社區醫療、居家照護与穿戴式裝置，並結合大型醫療資料庫，形成可持續監測与回饋的臨床 AI 生态系。透过此一循环式架构，AI 得以不斷從實務應用中產生新資料与新發現，推動醫療決策從醫院走向社區与家庭。
主辦單位：健康数据科学研究所
※本活动需报名