認證實驗室掛牌了，但醫療AI能幫你算藥價、開處方嗎？五個問答看懂

先把時間點說清楚：衛生福利部於2026年8月啟動「國家數位健康互通性與效能認證實驗室」，規劃檢驗醫療軟體、硬體及整體解決方案。到了10月初，一則彙整報導把這件事與AI介入藥品定價、臨牀處方支援放在一起談，討論於是從單點研發延伸到制度建設。這篇以問答整理目前可以確認的事，以及還不能下的結論。

一、認證實驗室要做什麼？

衛福部提出三類認證方向：軟體、硬體、整體解決方案廠商。

軟體認證將涵蓋與FHIR Box（FHIR資料交換平臺）介接的CQL模組，以及SMART on FHIR應用程式，並規劃技術與臨牀驗證。CQL是用電腦可讀方式表達臨牀決策規則的語言；SMART on FHIR則是讓醫療應用程式連接FHIR資料並處理授權的架構。硬體認證著重執行平臺的效能與可靠性，整體解決方案廠商認證則評估部署與維運能力。

要注意的是，實驗室成立代表開始建立共同驗測機制。目前不能解讀為已有產品通過認證，也不能說所有醫療院所都已採用同一套平臺。

二、AI真的在幫藥廠定價、幫醫師開處方？

GeneOnline的產業報導描述，AI可分析臷牀療效、病患預後及醫療經濟等資料，協助藥廠評估藥品價值與市場準入；臨牀端則被放在處方決策支援與效率提升的討論中。

這是報導對應用方向的描述，並非特定產品的臨牀驗證結果。運算速度提高，不等於藥價更低、給付更公平或新藥更快普及，這些結果仍需政策資料與比較研究支持。藥價、給付及處方決策，最終仍須由負責機構與臨牀人員依證據和個別情況判斷。

三、臨牀處方支援，聽起來很方便？

處方支援仰賴病歷、檢驗、過敏史、用藥紀錄與治療指引。系統提示是否適用，取決於資料完整性、更新情形，以及驗證涵蓋的疾病和族羣。

孕婦、兒童、慢性病患者及長期服藥者的狀況可能不同，不能只依通用模型輸出判定治療。來源報導並未提供特定藥品交互作用的證據，因此這裡不作任何個別用藥判斷；多重用藥的提示，仍須由醫療人員核對病歷與實際用藥。

定價分析與處方支援使用的資料和判斷情境不同。AI提供參考，決策責任仍在人。

四、FHIR互通、效能驗證、醫材審查，差在哪？

這是最容易混淆的一組名詞，分開看：

FHIR／TW Core互通測試：FHIR提供電子健康資料交換的共同格式，臺灣核心實作指引（TW Core IG）再依本地照護需求定義資源、欄位與查詢方式。互通測試檢查資料是否依指定格式交換，但不保證資料完整或臨牀判斷正確，也不會自動補齊缺漏病歷。
效能驗證：檢查特定設備及測試條件下的速度或負載表現，結果不能直接推論到所有院所或病人族羣。
臨牀驗證：看系統放入實際工作流程後是否符合預期用途，不代表長期安全或所有版本皆有效。
醫材查驗登記：依食藥署指引，AI／機器學習醫療器材軟體須依預期用途及產品特性提出安全與效能資料。通過審查也不等於超出核準用途的全面背書。

這四項各自回答不同的問題，任何一項都不能單獨證明全面的臨牀效益。這個概念其實和先前討論過的健康存摺查不到報告的兩條資料管道類似：制度設計上有多個環節，每個環節的時程與保證範圍都不一樣。

五、資料隱私和模型責任，誰來把關？

依來源整理的方向，該檢查的包括：模型使用的資料是否適用於目標族羣、病人資料如何取得與授權、輸出能否追溯，以及版本更新後是否重新驗證。

這部分目前多屬制度規劃與原則性討論，具體的稽核機制與公開結果，仍要看後續執行。判斷制度進展時，值得把「提出規劃」「開始測試」「公布結果」「臨牀實際使用」四個階段分開，避免把規劃直接當成果。

回到看熱鬧也看門道

醫療AI這波討論的價值，在於把「AI能不能用」換成更具體的問題：它通過了哪一層檢驗、驗證涵蓋哪些族羣、輸出能不能追溯。這與產品數位護照的臺灣試行進度有共通的邏輯，制度先試行、資料逐步累積，結論得等證據到位。認證實驗室掛牌是起點，真正的考題在後面。