今（28）日，工研院產業科技國際策略發展所舉辦「從 Medica 到 CES：數位醫療與健康科技之關鍵趨勢與智慧未來研討會」，本次論壇以德國醫療技術與醫療保健貿易展（MEDICA）與美國消費性電子展（CES）兩大展會內容，帶領我們回到「醫療怎麼走進生活」這個核心命題，從在宅醫療（Hospital at Home）、穿戴式裝置（Wearables）到物理 AI（Physical AI）的研發與驗證路徑，勾勒產業接下來可能面對的落地門檻與合作版圖。與談者包括工研院產科國際所組長吳信茂、副研究員邱柏傑、研究員王嚴璋，以及神經元科技執行長楊鈞程、久浪智醫執行長陳冠宇，分享各自觀察與實務經驗。
急診壓力催化新模式：在宅醫療從「補位」走向「分流」
工研院產科國際所組長吳信茂指出，在宅醫療的外部推力，首先來自醫療量能與人力的結構性壓力：病患集中在急診與住院端，讓醫院難以用既有模式消化需求；同時，專業照護人力短缺也使「把服務送到需要的地方」成為討論焦點。他也提到，美國 CMS（Centers for Medicare & Medicaid Services）曾報告指出，在宅醫療有助降低醫療成本達 20%，因此在制度與支付面逐步形成誘因。
談到內部推力，吳信茂把它形容為民眾「習慣」的轉變：疫情期間被迫減少進出醫院，疫情後則更願意把健康管理留在日常場景，遠距照護（Telehealth）與智慧監測被視為可行選項。他用一句話總結這個轉折點，強調行為改變所帶來的市場窗口：「疫情的期間，我們是被迫離開醫院。那疫情後呢，我們已經願意不去醫院了。」在他看來，願意不去醫院，才讓在宅醫療從口號走向可實行的服務流程。
在落地條件上，他提醒在宅醫療不是把裝置「湊在一起」就能運作，而是要能解決居家端的使用痛點，包含資料蒐集、異常預警、遠端分析到建議回傳等串接。他以產業案例說明，有業者透過通路與到府維運提高可及性，也有業者主打將急性照護「搬到家」，訴求可在當天短時間內完成設備部署並由 7×24 指揮中心協作。吳信茂點出關鍵：「它不只是 product、technology、也不是 software，則是一個 solution。」
穿戴式裝置走向臨床化：Biomarker、AI 與工作流程整合成焦點
工研院產科國際所副研究員邱柏傑從臨床需求切入，指出高風險族群若能在居家情境持續監測，醫療體系就有機會把介入時間往前拉，同時降低不必要的住院。他以新生兒黃疸風險為例，提到動態預測可「最長預測到未來 60 小時內」是否可能出現黃疸，並可用來優化出院與照光流程，顯示「在家做檢測」正逐步貼近臨床等級。他說明居家監測的價值：「在家居家的環境中就可以持續監測，降低一些偽陽性的住院，提早讓高風險的人可以進入到醫院做及早的介入治療。」
除了應用端，穿戴式裝置（Wearables）本身也被定位為「資料產出—資料應用—行為改變」的樞紐。論壇整理的展會觀察顯示，醫療穿戴式裝置正在大量蒐集生理指標（Biomarker），涵蓋生理電訊號與生化訊號兩條路線；而供應鏈關鍵元件也同步演進，例如微型低功能 ASIC 晶片、醫療級敷料與貼料、薄型耐彎曲半固態電池等，反映產品設計不只比功能，也比能否長時間配戴、量產與整合到照護情境。
神經元科技執行長楊鈞程則從市場與展會「決策含量」談起。他分享，MEDICA 近年除了線下實體活動，也加強線上曝光，並提到參與者中有相當比例為醫療供應體系、醫院或企業的高階主管；新創展區也呈現擴張。他同時引用市場展望，提到 AI 醫療市場到 2034 年可能達 8,864 億美元，並把重點放在「場景轉移」：醫療服務不再只在醫院發生，而是延伸至手術中心、居家護理等多場域。他概括成本方面的想像：「場景轉移…可以為 payer 減少大概 40% 的成本。」但他也提醒，落地仍牽涉法規遵循與商業變現等現實挑戰。
CES 前瞻拉高想像：Physical AI、NAMs 與「可驗證資料」成新戰場
工研院產科國際所研究員王嚴璋以 CES 觀察作為延伸，指出他在現場以論壇內容為主，試圖從跨領域討論中抓出下一波醫療科技的關鍵詞。他提出，產業討論從生成式 AI（Generative AI）到代理式 AI（Agentic AI），再往下一步，可能是更強調「感測＋推理＋實體行動」的 Physical AI。王嚴璋描繪技術演進的不可預測性：「我相信絕對全世界沒有任何一個分析師可以猜到 2026 年…我們在講 physical AI。」他的分享也提到，未來照護可能更圍繞人的生活展開，而不是以醫院為唯一中心。
在他看來，當智慧能力變得普遍，「智慧」本身就不再是賣點，反而是能否自然融入日常、降低使用者負擔。他以科技產品普及後語言習慣的改變作比喻，指出當功能被默默整合到生活，使用者不需要再刻意感覺自己在使用「智慧」工具，例如時下很少會有人說「智慧型」手機，而是直接稱為「手機」；這也呼應高齡科技（AgeTech）與預防醫療（Preventive Health）的長期趨勢——從量測走向可行動的建議，從裝置走向可持續運作的服務流程。
久浪智醫執行長陳冠宇則把 Physical AI 放到研發與驗證路徑來談。他回顧團隊在陽明交大累積將近 10 年，並於 2024 年 spinoff 成立公司，目前含 pending 的 IP 超過 35 個、員工含實習生超過 40 人，且在一年多內完成兩輪募資、總額達新臺幣兩億元。他進一步談到閉環（Closed-loop）概念：以人的細胞或模型產生更高階資料，用於驗證（verify）再回饋到 AI 預測引擎，讓洞察更貼近決策需求。他用一句話說明資料價值所在：「我們提供的是從人的模型、人的細胞…更有價值的新資料去做 verify。」同場也提到，傳統動物實驗進入臨床仍有高失敗率、以及 New Approach Methodologies（NAMs）等替代方法正受到關注，使「可被驗證、可被監管採信的資料」成為下一階段競逐焦點。
資訊來源：
現場記錄與採訪。
原始議程：連結。
