Google 與台灣健保署五年合作，如何打造 AI 公共衛生藍圖？

實測觀察發現，台灣的全民健康保險制度為 AI 應用提供了夢幻級數據場域——涵蓋 2300 萬人、超過 20 年歷史的電子病歷與Claim數據，堪稱全球獨一無二的天然實驗室。2024 年 6 月，Google Cloud Summit Taipei 大會上，健保署與 Google Cloud、Google Health 共同宣布為期五年合作，成為 Google 首度與國家政府層級開展的醫療 AI 合作案。

根據公告內容，雙方將運用 Gemini 家族模型，先聚焦於第二型糖尿病風險評估與併發症預測。Gemini 本身具備原生多模態推理與長上下文處理能力，經去識別化醫療數據微調後，形成 Med-Gemini 子系列。Research Google 指出，Med-Gemini 在醫學問答 benchmarks 上已超越多數同業。

實際案例佐證：台灣早在 2004 年即建立傳染病即時監控系統，台灣疾病管制署曾運用機器學習模型對流感疫情進行預測，將 Emergency Department 的就診數據、健保資料庫以及法定傳染病通報系統進行整合，驗證了資料驅動型公共衛生決策的可行性。這次的糖尿病專案正是將該技術擴展至慢性病領域。

三高防治 888 計畫：政策東風如何吹起 AI 醫療革命？

觀察台灣衛福部近期政策動向，2025 年 2 月總統賴清德主持的「健康台灣推動委員會」第三次會議，拍板了「三高防治 888 計畫」，目標在 2030 年將三高相關慢性病標準化死亡率下降三分之一。該計畫的核心指標很硬：80% 三高患者納入照護網、80% 接受生活習慣諮詢、80% 控制達標。

這三個 80% 看似簡單，實際上海量工程。台灣三高患者超過 600 萬人（糖尿病 220 萬、高血壓近 1000 萬、高血脂數百萬），分散於全台上万家醫療院所。傳統人海戰術顯然不敷成本，AI 成為唯一可規模化方案。8 月即將推動的「社區醫院全人全社區照護計畫」預算半年 3.5 億台幣，目標對象 30 萬人，但未來必須拓展至所有三高患者，AI 自動分層分級與個案管理是必經之路。

目前已知的合作細節：健保署將運用其健康數據管理優勢，結合國家衛生研究院之研究量能，與 Google AI 技術共同研發糖尿病風險評估模型。此模型預計能提前 6-12 個月預測患者未來一年內發生心血管併發症的風險等級，讓醫療團隊優先介入高風險個案。

糖尿病 AI 預測模型：200 萬患者的数字孿生體

台灣現有約 200 萬名第二型糖尿病患者，每年新增約 2.5 萬人。每位患者的用藥紀錄、檢驗數據、就醫頻率、甚至藥局購藥行為，都被健保署納入 National Health Insurance Research Database (NHIRD)。AI 模型若能從此龐雜資料中找出隱藏模式，便能實現個體化疾病軌跡模擬——這即是数字孿生 (Digital Twin) 概念在慢性病管理的落地。

按照合作規劃，AI 模型將每秒鐘能處理數以萬計患者的同步資料，動態更新每位患者的風險分數。這遠超人腦處理量：一名家庭医學專科醫師平均每日需看診數十名糖尿病患者，難以追蹤每位患者數十項指標的變化趨勢。AI 的介入將使「預測性而非反應性」的醫療成真。

技術層面，Med-Gemini 的長上下文能力（ reportedly up to 1M tokens）意味著可一次輸入患者多年就醫紀錄，捕捉長期 trends。此外，Gemini 原生多模態特性的潛在用途：若未來接入眼底掃描、皮肤图像甚至聲音分析，模型可通過非侵入方式推斷血糖控制狀況。

隱私與倫理：數據安全是否經得起考驗？

台灣人對個資保護的敏感度極高，尤其在醫療數據層級。健保署明確指出，所有傳輸給 Google 的資料必須經過去識別化 (de-identification)，且模型訓練將在本土計算資源上進行，原始數據不會流出台灣。合作案也通過衛福部人體研究審議會 (IRB) 與國家發展委員會的資料安全審查。

然而，去識別化並非絕對安全。學術界已有研究證明，結合多源數據（如就醫日期、診所類別、郵遞區號）仍有可能重新識別出個體。Google 方面則提出聯邦學習 (federated learning) 作為補充方案，讓模型在各醫療機構本地訓練，只共享參數而非原始數據，但此技術可能增加模型收斂難度。

更根本的倫理問題：AI 風險預測若產生誤判，導致患者被標記為「高風險」而接受過度檢查，或反之被疏忽，誰來負責？目前法規尚未明確界定 AI 輔助診斷的醫療責任歸屬。

2026 年 AI 醫療趨勢：台灣能否成為全球標竿？

如果此合作案成功，台灣將確立三項領先優勢：首先是數據規模與完整性，全民健保提供的全population dada 在歐美因支付體系碎片化極難取得；其次是政府执行力強，政策能快速落地；最後是科技業生態完整，Google 台灣研發能量與供應鏈成熟。

根據 Gartner 預測，全球醫療 AI 軟體支出將從 2024 年的 116 億美元成長至 2027 年的 189 億美元。Mordor Intelligence 則指出，2026 年 AI 醫療市場規模約 536 億美元，2031 年將達 2513 億美元。台灣若能將此模式輸出至東南亞、拉丁美洲等其他全民健保國家，將創造巨大的技術授權與顧問服務市場。

技術演進方面，多模態 AI 將成下一個突破點：Google 的 Med-Gemini 已展示理解医学图像与文本的能力。未來模型可能同時處理患者的眼底照片、心電圖、電子病歷與基因數據，產出 holisitic 風險評估。此路徑將需要更多的計算資源與法規配套，但台灣現有的合作基礎已鋪好第一塊磚。

最終，AI 公共衛生藍圖能否成功，取決於三個要素：技術準確度、医师接受度、以及患者信任。台灣這場實驗，將為全球提供寶貴的實證數據。

常見問題 (FAQ)

Google 台灣 AI 医疗合作會如何保護我的個資？

健保署說明，所有提供給合作夥伴的數據均經過去識別化處理，移除身分證號、姓名等直接辨識因子，並以 pseudonymization 取代。此外，模型訓練將在台灣境內的 Google Cloud 區域進行，原始數據不會外流。此合作案已通過衛福部人體研究審議會與個資保護委員會審查。

AI 模型真的能提前預測糖尿病併發症嗎？準確度有多高？

根據 Google Research 發表的 Med-Gemini 論文，其在多项醫學 QA benchmarks 上達到 91% 以上準確率。實際臨床驗證方面，类似風險預測模型在美國、歐洲的研究顯示，AUC (ROC曲線下面積) 可達 0.85-0.92。台灣模式因為數據完整性高，預期表現不會低於此基準，但確切數字需待模型上線後的實證研究發布。

如果 AI 預測錯誤，導致醫療糾紛，誰來負責？

目前法律尚未明確規範 AI 輔助診斷的責任歸屬。原則上，AI 僅作為「決策支援工具」，最終臨床判斷與治療決策仍由醫師負責。合作協議中应包含免責條款与誤差容忍區間。長遠來看，當 AI 系統成熟後，可能需考量醫療責任保險的給付範圍調整，或establishing no-fault compensation mechanisms for algorithmic errors.

聯絡我們

若您對 AI 醫療應用的技術細節、合作模式或治療方案有進一步疑問，歡迎與我們聯繫。

立即詢價或諮詢

參考資料與延伸閱讀

• How Google and Taiwan are building an AI blueprint for public health – Google 官方部落格
• NHIA Collaborates with Google to Usher in a New Era of AI-Powered… – 中央健康保險署
• Artificial Intelligence In Healthcare Market Size & Share Analysis – Mordor Intelligence
• Advancing medical AI with Med-Gemini – Google Research
• 三高防治 888 計畫 – 行政院全球資訊網
• 糖尿病統計資料 – 國民健康署