隨著生成式 AI 與智慧醫療快速發展,醫療機構導入 AI 已成為提升醫療品質、營運效率與創新服務的重要趨勢。然而,AI 應用高度仰賴資料品質與治理能力,若缺乏完善管理,將面臨個資保護、法規遵循、資訊安全及模型偏誤等風險。
本課程聚焦醫療數據導入 AI 的資料治理實務,核心內容涵蓋:醫療 AI 法規與指引、資料品質管理、AI 與資安治理、模型訓練與驗證,以及生成式 AI 應用風險評估等關鍵議題。透過實務案例解析,學員將能掌握如何建立合規且可落地的醫療 AI 治理機制,協助組織推動智慧醫療轉型。
完成課程後,學員將能夠瞭解:
1.醫療AI專案中的資料治理、資安、風險控管相關法規
2.模型訓練、驗證與偏差修正流程
3.生成式AI於醫療場域之機會與風險
4.規劃具合規性與可行性的AI導入方案資料治理的要點。
1. 醫療科技與健康照護相關產業之產品、研發及專案人員
2. 醫療機構資訊、資安、數位轉型及資料治理管理人員。
單元主題講師單元一:醫療 AI 的資料治理與法規9:00-9:30 1. 台灣《人工智慧基本法》2. 衛福部《負責任 AI 實施指南》3. 衛福部《醫療機構應用生成式人工智慧指引》4. 醫療機構電子病歷製作及管理辦法5. 資料準備與治理案例: 實務說明如何建立結構化與非結構化醫療數據(如 EHR 病歷、醫學影像)的資料品質標準。 許老師長庚大學資訊管理學系教授 單元二:AI治理實務9:30-10:30 實務案例:說明醫療AI風險類型、臨床與非臨床差異,以及外部AI 產品工具決策輔助的治理策略。 許老師長庚大學資訊管理學系教授單元三:資安治理實務10:30-12:00 1. 資通安全管理法、個人資料保護法及其他醫療資安相關法規2. ISO/IEC 27001及27799:資訊安全管理與資料資訊安全管理控制措施3. ISO/IEC 27701隱私資訊管理4. 實務案例:說明醫療資料外洩風險、雲端與生成式AI風險魏老師國立臺北科技大學資訊與財金管理系副教授兼計算機與網路中心主任單元四:模型開發與品管13:00-14:30 實務案例:說明AI模型訓練、驗證、偏差修正及風險評估流程,導入場域成效評估。楊老師慧保科技股份有限公司 執行長/董事長 單元五:醫療 AI 資料治理案例解析14:30-16:00 1. 生成式 AI 在醫療的應用簡介。2.醫療場域痛點分析框架:辨識行政流程自動化與精準醫療的可行切入點。3. 醫療 AI落地(Human-in-the-loop):說明產出具備合規性、技術可行性的醫療 AI 數據治理。4.醫療數據中台與各式案例說明。羅老師臺北醫學大學數位創發中心主任
單元
主題
講師
許老師
魏老師
楊老師
慧保科技股份有限公司 執行長/董事長
精標資訊有限公司 董事長
HL7 Taiwan醫療資訊標準協會 常務理事
羅老師
臺北醫學大學 數位創發中心 主任
臺北醫學大學 醫療資訊研究所 副教授
臺灣健康資訊交換第七層協定 (HL7 Taiwan) 理事長
Radica Health Co-Founder共同創辦人
舉辦日期:115年10月6日09:00 – 16:00,共計6小時
課程方案費用每人6,000115/9/15(含) 報名享早鳥優惠價,每人5,4003人(含)以上同時報名享團報優惠價,每人5,100
6,000
5,400
5,100
繳費方式
計畫代號扣款(工研院同仁) :請從產業學院學習網直接登入工研人報名;俾利計畫代號扣款。
完訓將取得工研院產業學院核發之受訓證明。