健保資料能訓練 AI 嗎？三道門檻看懂
健保資料可以支援醫療 AI 訓練，但要先過目的外利用與退出權、資料品質、臨床驗證三道門檻。本文整理台灣受控資料流程、模型跨院驗證，以及 2026 年 8 月法規施行後的申請時效。
#資料治理
27 篇文章
如何判斷醫療AI能否落地：FHIR Box之後的6項檢核
FHIR Box可望改善跨院病歷交換，但資料能傳，不等於AI能安全用。本文拆解FHIR標準、資料品質、隱私治理、跨院驗證與可解釋性。
AI 醫材能自己更新嗎？PCCP與臨床責任
AI 醫材可以更新，更新本身也要被當成臨床流程管理。從 TFDA PCCP 到醫院的版本、資料、介面與人工覆核，逐項拆解模型改版後誰要負責。
AI模型選型怎麼做？企業評估成本、資料與部署
AI模型選型要先從任務與資料開始，再用真實案例比較回答品質、延遲、每次呼叫成本、資料處理方式與版本穩定性。本文整理模型家族怎麼分工、台灣人工智慧基本法與風險分類框架走到哪，以及一般人與企業導入前的檢查清單。
醫療 AI 合成資料怎麼驗證？五道臨床檢查
合成資料能補醫療 AI 的資料缺口，卻不能直接替臨床證據蓋章。驗證要一路追到資料代表性、獨立外部測試、病歷介接與上線後監測。
醫療 AI 導入怎麼做？五道臨床關卡
醫療 AI 能不能進醫院，決勝點不在展示會上的準確率。從資料代表性、FHIR 串接到醫師覆核和版本監測，每一關都要留下可追溯的證據。
髖關節疼痛看哪一科？AI 分流能做到哪一步
髖關節疼痛看哪一科？AI 可以整理症狀、標示急迫程度與就醫入口，卻不能跳過理學檢查。從 TFDA 電腦輔助分流指引、FHIR 到臨床責任分配，拆解 AI 真正能落地的範圍。
合成資料是什麼？醫療AI資料不能只靠複製貼上湊量
醫院病歷受個資法保護、跨院共享困難，合成資料讓 AI 可以拿「統計特性像真的」但沒有真人紀錄的假資料練功。但假資料一路餵下去也有代價，叫模型崩潰。
什麼是FHIR？醫療AI認證與FHIR Box要看5個關卡
FHIR（Fast Healthcare Interoperability Resources）是台灣推動醫療資料互通的核心標準，衛福部並啟動國家數位健康互通性與效能認證實驗室、推進FHIR Box。解析資料標準、三類認證、AI治理與不同層級醫院的導入落差。
如何評估AI製藥跨國合作：MOU後必看7個重點
源華智醫與瑞士Medvisis簽署AI藥物開發MOU後，合作能否落地，仍要查核工作計畫、資料品質、技術分工、獨立驗證、演算法透明、責任與法規。
聯邦學習是什麼？醫院想合作訓練 AI，卻不用把病歷送出院外
多家醫院想合作訓練 AI，個資法卻不准把病歷送出院外。聯邦學習讓模型「巡迴受訓」，資料留在原地，只有學到的權重更新往中央跑。
你的健檢報告丟給ChatGPT解讀合理嗎？健保SDK vs OpenAI
健檢報告解讀準不準，不是你該先問的問題。先問清楚：這套系統出錯了，你找得到誰負責嗎？ChatGPT Health 與健保健康存摺SDK，是兩種完全不同的資料主權設計。
Coldcard冷錢包事件：MICROPY_HW_ENABLE_RNG為何讓私鑰被算出來
Coldcard冷錢包41分鐘被轉出逾千枚比特幣，根因是建置旗標MICROPY_HW_ENABLE_RNG被誤判為啟用，讓亂數產生器悄悄降級成可預測版本，裝置本身並未遭入侵。拆解事件全貌與3個可執行檢查點，防止同樣的靜默降級發生在你的系統。
病歷系統裡也有一個亂數產生器：醫療資訊安全的3個檢查點
Coldcard冷錢包的亂數產生器根因,搬到醫療資訊系統會長什麼樣?從去識別化假名、SMART on FHIR 的 PKCE、亂數品質驗證三個檢查點,拆解一次做錯、長期無感、爆發時無法回溯的共通失效結構。
零信任架構三階段：台灣政府機關、金融業做到哪
零信任不預設任何人事物可信任，每次存取都要重新驗證身分、設備與情境。台灣政府機關與金融業都已啟動導入，但走的是分階段路線，不是一步到位的強制令。
FHIR 是什麼？AI 想讀懂病歷，得先學會這套語言
FHIR 把病歷拆成機器讀得懂的「資源」。AI 讀結構化 FHIR 資料的代碼準確率能拉到九成以上，遠高於直接讀病歷文字猜代碼。台灣的 FHIR Box 計畫正把這套語言鋪進全台醫學中心。
醫療 AI 合規上線前的六個坑，台灣健康網路平台一個都躲不掉
醫療 AI 上線前最容易被低估的六個坑：稽核怎麼存、去識別化怎麼隔離、embedding 模型怎麼選、如何壓低幻覺做到可溯源，到人機責任怎麼分工。以醫療 AI 合規守門引擎 goalkeeper 為範例，對照衛福部指引與《人工智慧基本法》逐條拆解。
健康存摺SDK能幹嘛？跟AI醫療背後的台灣健康網路平台差在哪
健康存摺SDK早就能授權分享看診、用藥、檢驗資料，但轉診免重做檢查、訓練醫療AI靠的是台灣健康網路平台這個新系統。文章拆解兩者差在哪、資料流向誰，以及參與前該確認的退出與監理界線。
BrewDog華特買回計畫惹議：前股東個資來源遭英國ICO調查
BrewDog共同創辦人華特提出買回要約，自稱獲4.3萬名投資人支持，卻因聯繫前股東的資料來源不明遭投訴，英國ICO證實正評估相關資訊；收購方Tilray否認外流資料。
Peregrine募2.5億美元 估值15個月衝上68億美元
Peregrine 募 2.5 億美元、估值 68 億，投資人賭的是把企業髒資料清乾淨、打通孤島的營運軟體。台灣企業導入 agent 前，資料前置工程該怎麼排序，這篇給一條判讀線。
Anthropic首爾辦公室拿下NAVER三星LG
Anthropic 6/17 開首爾辦公室，一口氣拿下 NAVER、三星 SDS、LG CNS、Nexon、Hanwha。拿下一個國家的企業市場靠的不是模型強，而是在地辦公室、資料主權、國家安全合作、in-region data 整套打包。台廠導入前沿 AI，in-region 資料控管會是談判與選型的關鍵籌碼。
Meta 要把十億筆顧客對話變成企業 agent：當消費端聊天紀錄成了商品，訓練資料的隱私邊界誰守
Meta Business Agent 平台的賣點是拿海量顧客對話養出幫企業客服與銷售的 agent。技術不難，難的是這些對話的來源同意、二次利用與跨境邊界。台灣企業導入前，先把資料來源盡職調查清單跑過一遍。
微軟Work IQ讓AI讀懂公司工作脈絡：資料邊界怎麼守
微軟 Work IQ 把 email、會議、聊天與協作模式做成語意索引，讓 AI agent 讀懂組織怎麼運作。好處是 agent 更懂你公司，代價是『誰能查到誰的工作軌跡』成為新的隱私與權限治理對象。
Supabase估值破105億美元 AI基建層吸熱錢
Supabase 募 5 億美元、估值 105 億，熱錢從模型移到 AI 應用的基建層。估值翻倍反映 vibe coding 下的真實需求，但維運與資料治理的成本也被一起放大。
Databricks把agent變同事：vibe coding資料權限誰來守
Databricks 6/16 發表 Genie One，把 agent 講成能跑重複工作流的「同事」，還給業務開了 vibe coding 環境。當全員自助生成應用，真正的門檻不在介面，在 agent 動得到哪些資料、用誰的權限。
居家陪伴機器人遇上台灣《人工智慧基本法》：能真正照顧長者嗎
CES 2026 把居家與陪伴機器人推上主角，但要不要交給它照顧長輩，真正的關卡不在機器人多炫，而在台灣剛上路的《人工智慧基本法》問責與資料治理框架下，照護責任、隱私與情感依賴怎麼落地。
如何建立醫療 AI 合規守門引擎：從法規解讀到工程落地
從衛福部《醫療機構應用生成式人工智慧指引》到工程設計，拆解合規守門引擎的五道關卡、去識別化管線、Null Provider 可測性設計與守門服務的核心原則。