健康存摺 SDK 早就能讓民眾授權分享看診、用藥、檢驗資料，但台灣要真正發展本地的醫療 AI，得靠另一個新系統：台灣健康網路平台，把全台健康資料串接起來。對個人而言，直接拿回的好處有限又有條件，集體效益才是重點：資料匯集之後，台灣才可能用本地民眾的資料訓練醫療 AI。能否放心參與，關鍵不在政府是否參與、經費是否充足，而在退出、獨立監理與二次利用的界線是否先劃定。
資料孤島造成的重複檢查
病人在 A 醫院做完電腦斷層與抽血後，幾天內轉診到 B 醫院，卻常因兩家醫院的資料不互通，被告知看不到原本的報告、必須重做檢查，造成重複的針扎、輻射暴露與費用。這就是資料孤島，也是台灣健康網路平台要解決的問題。這個平台 2026 年 1 月揭牌，鎖定健保署健康存摺的使用者，初期要爭取 500 萬人、目標是全台破千萬的健康存摺族群，做一套升級版的個人化 AI 病歷資料庫。
平台要解決這個問題，需要民眾把資料匯集起來。民眾交出的是什麼、換得的是什麼、如何參與才安心，是理解這項計畫的三個層面。
健康存摺已經能做的，和它做不到的
要理解平台的定位，得先釐清一件常被忽略的事：現有的健康存摺其實已經能做不少。轉診重做檢查，實際上是兩層問題疊在一起。
第一層是「民眾能不能取得、分享自己的紀錄」。這一層健保署的健康存摺 SDK 已經解決大半。這個工具從 108 年就開放，在民眾授權同意下，可以把門診、用藥、檢驗結果，連影像和病理報告都下載給第三方 App 使用，目前已有 31 家機構、64 支 App 介接。也就是說，「看得到自己的資料、分享得出去」，現在就做得到，本站另篇文章比較過把健檢報告丟給 ChatGPT 解讀與健保 SDK 的責任歸屬差異，可以一併參考。
第二層是「B 醫院的醫師能不能直接採信、不用重做」。這一層 SDK 幾乎沒有處理。健康存摺裝的是健保申報層級的摘要，影像欄位多半是文字報告而非原始影像本體；資料還有申報時差，急性轉診時可能還沒進存摺；加上它是病人用手機拉出來的一份 PDF，醫師若要拿它當臨床決策依據、承擔後續責任，信任與工作流程都接不上，因此常常仍需重照一次。健檢業者與長照的資料，更不在健保存摺裡。
轉診的不便確實存在，卡住的正是第二層。台灣健康網路平台主打的資料不離院、醫院端完整串接，瞄準的就是這一層，這也是它與健康存摺最根本的差別。
| 維度 | 健康存摺（SDK） | 台灣健康網路平台 |
|---|---|---|
| 民眾的角色 | 使用者，調閱自己的資料 | 供給者，把資料匯進醫院端資料庫 |
| 解決哪一層 | 第一層：拿得到、分享得出 | 第二層：醫師端能不能直接採信 |
| 資料流向 | 授權後下載給第三方 App | 資料不離院，醫院端串接後訓練模型 |
| 主要受益者 | 民眾個人 | 民眾個人、醫療產業、資料的使用方 |
| 退出機制 | 停止授權即中止 | 目前尚待明確 |
（退出機制是否清楚、能否確實執行，是參與前最該確認的一件事。）
使用者與供給者的差別
上面那張表最關鍵的是第一列。同樣是個人健康資料，在兩個系統裡，民眾的角色完全不同。
在健康存摺，民眾是使用者，調閱的是自己的紀錄，受益的是本人，授權範圍就是查閱自身資料。在台灣健康網路平台，民眾是供給者，完整的就醫、影像、檢驗、用藥史即使做了去識別化，仍會被匯集起來訓練模型、發展 AI 服務，受益的除了本人，還有醫療產業與資料的使用方。
這兩件事看起來相似，本質上是兩回事，分清楚才不會誤解自己在做什麼決定。參與平台不等於換一個更好用的健康存摺，而是成為資料供給者，把個人那一份放進去，共同支撐台灣的醫療 AI。
集體效益與本地模型
供給者換得的個人紅利其實有限。少重做一次檢查是好處，但要醫師端真的採信才兌現，短期內並無保證。
更值得關注的不是個人少挨一針，而是每個人的資料匯集之後，台灣能發展出什麼。台灣的醫療 AI 一直有個難處：許多模型以外國人的資料訓練，套用到台灣人身上不見得準確。若有一套以台灣民眾自身資料訓練的模型，貼合本地的體質與疾病樣態，AI 輔助診斷與精準照護才可能用在對的人身上，減少誤判。
這是一項需要眾人共同參與才能成立的公共建設。每個人的資料都是其中一塊基石，能否建立起來，取決於願意提供資料的人數是否足夠，而非單一公司的財力。從這個角度看，是否參與不只是個人划不划算的問題，還牽涉台灣要不要有一套自己的醫療 AI 基礎。
參與前的信任設計四要件
提供資料之前，民眾有權要求基礎是穩固的。要能安心參與，前提是信任設計到位，而信任要靠制度支撐，不是靠善意。具體有四件事：授權須是主動同意，而非預設納入；退出機制清楚且確實可執行；有獨立監理，由第三方把關而非自己人審自己人；二次利用有明確界線，說好用於研究就只用在研究，不會事後挪作他用。
這四件並非憑空要求。健康資料平台在世界各地出過事，問題往往就出在這幾點；台灣自己的健保資料庫，也曾因為缺乏退出機制被判違憲。這些前車之鑑，以及台灣健康網路平台為什麼這次與過去的嘗試不同，另有一篇從台灣試了十年的過程，談這局為什麼這次才湊得起來。至於信任如何一步步做進系統，一篇整理醫療 AI 合規工具實作經驗的文章有進一步說明。
不同需求的參與方式
參與方式可分層看待。若只想管理自己的用藥、查看檢驗值，健康存摺加上它的授權功能就足夠。若也想支持台灣醫療 AI 的發展，可以參與，並在授權前確認三件事：這是主動同意還是預設加入、能否隨時退出、二次利用的範圍到哪。若有特別在意的敏感病史，例如精神科、感染科或基因相關的紀錄，宜先問清楚退出與使用範圍，再決定是否加入。
台灣要發展自己的醫療 AI，這項基礎值得共同建立。能否放心的依據，在於信任是否真的做進系統；界線釐清之後，參與與否由民眾自行判斷。
常見問題
台灣健康網路平台跟健康存摺有什麼不一樣？
健康存摺是民眾調閱、分享自己的紀錄，民眾是使用者；台灣健康網路平台是把資料匯進醫院端資料庫訓練 AI 模型，民眾是供給者。健康存摺的SDK 已能把門診、用藥、檢驗、影像病理報告授權下載給第三方 App，平台則主打醫院端完整資料的串接。
串接之後，轉診換醫院就不用重做檢查了嗎？
這是平台瞄準的目標，但要醫師端真的採信、願意承擔臨床責任才算數。健康存摺目前提供的是健保申報層級摘要，影像多為文字報告而非原始影像本體，短期內「不用重做」並無保證。
個別民眾提不提供資料，對整體有影響嗎？
有。醫療 AI 模型的品質取決於資料規模與代表性，平台鎖定的正是全台破千萬的健康存摺族群。願意提供資料的人越多、越具代表性，台灣自己的模型才越貼合本地體質，這是集體選擇的結果。
資料做了去識別化，是不是就代表萬無一失？
去識別化是必要條件，不是充分條件。它擋得住直接回推身分，擋不住二次利用範圍被放寬。真正撐住安全的是治理與監理，也就是退出機制、獨立監督和明確的使用界線，不是單靠一個去識別化技術。
本文為資訊整理與觀點分析，不構成個人化的醫療建議或投資建議。是否參與個人健康資料串接，請依官方最新公告與自身情況判斷。
