人工智慧（AI）不只是在醫療影像或診斷上表現亮眼，現在更朝向新藥開發與健康照護領域深入發展。AI 不但加速藥物設計，也可能重塑整個醫療系統的角色與運作方式。透過這場國家生技研究園區舉辦的 2025 Demo Day 系列活動中，由中研院生醫轉譯研究中心主持的小組討論，各界專家深入探討 AI 如何創造出前所未有的治療模式。
NBRP Demo Day 專家齊聚，探討 AI 醫療潛能
2025 年 7 月 21 日，由中研院生醫轉譯研究中心副主任林榮信（Jung-Hsin Lin）主持的「AI 賦能：新療法模式與健康照護的創新論壇」（AI-Empowered Creation of New Therapeutic Modalities and Healthcare Forum）小組討論，聚集多位來自醫療、公衛與動物醫學界的專家，包括加州大學柏克萊分校公共衛生學院院長呂淳祺、台中榮總名譽院長陳適安、以及安宏生醫陳淑貞博士等。
小組討論圍繞「AI 賦能：建立新的自主性與身份認同」為主題，從 AI 歷史脈絡、現今醫療應用，到未來藥物開發可能性，展開深入對談。林博士首先介紹 AI 發展歷程，從 1956 年 John McCarthy 首次提出「人工智慧（Artificial Intelligence）」一詞，到今日 GPU 與雲端計算技術驅動下的爆炸性進展，AI 在醫療界的影響力早已今非昔比。
醫療器材與診斷應用，AI 已成主流
小組討論提到，美國食品藥品監督管理局（FDA）自 1995 年以來，已核准超過 1,200 項 AI 醫療器材，顯示該技術在醫療實務中迅速普及。尤其是在醫療影像與診斷領域，AI 不僅提升影像清晰度，更有效支援遠距照護與疾病預測。台灣在此方面已是全球領先者，相關系統普及率與實施深度俱高。
然而，專家亦提醒需重視 AI 模型的資料品質（data quality）、透明度（transparency）、與可解釋性（explainability），避免模型在醫療決策中出現「黑箱操作」的風險。畢竟醫療決策攸關人命，AI 的每一個判斷都必須有據可循。
新藥設計掀革命，AI 成關鍵推手
在藥物開發方面，AI 的應用雖尚處初期階段，但潛力不容忽視。陳淑貞及顧曼芹等代表，展示 AI 在結構生物學（structural biology）與藥物篩選（virtual screening）上的新技術。目前公開資料庫中已有約 24 萬筆蛋白質結構供研究者使用，並須於發表前進行強制登錄。但結構品質參差不齊，使得資料標註與選擇尤顯關鍵。
藉由 AI 分析蛋白質與藥物的結合位點，搭配超大型化合物資料庫進行虛擬篩選（virtual screening），一天內可於雲端完成超過 1 億筆（10^8）化合物的初步篩選，相較於傳統方法，效率提升不止百倍。然而，真正挑戰在於化學空間中潛在可設計的簡單結構分子高達 10^11 個，目前僅涵蓋其中一小部分。
此階段亦需處理靜態蛋白質結構無法反映動態行為的限制，進而影響藥效預測的準確性。未來，AI 設計藥物後，還需結合機器人合成與後續優化機制，才可能完整轉化為臨床應用。
這場論壇不僅揭示 AI 技術對醫療現況的革新潛能，也點出「資料為本、解釋為王」的關鍵原則。隨著 AI 技術持續演進，其在新藥研發與健康照護體系中，將扮演愈加關鍵的角色，值得全球醫界持續關注與投入，恰如「人工智慧之於醫療，如春雨潤物，雖無聲，卻深遠。」的形容。
