文：馮文昌醫學博士（前嬌生集團楊森製藥 全球副總裁）
當人工智慧（AI）成為全球資本市場的焦點，醫療健康產業自然被視為下一個關鍵戰場。然而，AI 在醫療領域究竟是革命性的技術拐點，還是又一波資本炒作？從臨床應用到藥物研發實驗室的實際進展來看，答案可能更接近於第三種—— AI 正悄然改寫產業邏輯，但其方式務實而漸進。
與消費性產品不同，醫療領域對「準確性與安全性」的要求極高。任何演算法若無法經得起臨床驗證，便難以真正落地。因此，醫療 AI 的發展既沒有魔法般的一夕翻轉，也遠非泡沫式的空轉，而是逐步嵌入既有體系，重構效率與決策模式。
從輔助工具到核心基礎設施
在醫療服務層面，AI 已開始發揮可量化的效益。臨床決策支援系統（CDSS）透過即時分析電子病歷與生命徵象，可提前辨識敗血症與急性心衰竭病情的惡化風險，使醫療團隊在症狀明顯前即採取行動。在醫學影像方面，深度學習模型在肺結節與乳癌篩檢上的敏感度已可達 90% 以上，並顯著降低偽陽性率。
這些應用的價值並不在於取代醫師，而在於減少誤判、提升效率與縮短診斷時間。對醫療體系而言，AI 代表的是「成本結構優化」與「風險降低」；對資本市場而言，則意味著醫療服務產業可能進入效率重塑的新階段。
此外，AI 亦擴展至醫院營運層面。智慧排程系統可顯著降低回診病人的爽約率，ICU 床位需求也可透過預測模型提前規劃，使人力配置更加精準。這些聚焦於行政優化的改變，將直接影響醫療機構的財務表現與資源利用效率。
真正的變革：AI 驅動新藥研發（AIDD）
若說臨床應用是效率革命，那麼 AI 驅動新藥研發（AI-driven Drug Discovery and Development，簡稱 AIDD）則是結構革命。
傳統新藥開發平均需 10 至 15 年、投入數十億美元，成功率卻不足一成。AI 的導入正在重寫這個高風險模型。首先，在標靶發現階段，AI 可整合文獻資料、多體學（Multi-Omics）數據與基因網絡分析，辨識潛在疾病的關鍵路徑。其次，生成式 AI 能夠設計具特定藥理特性的分子，大幅縮短從概念到候選藥物的時間。再者，透過 ADMET（吸收、分布、代謝、排泄與毒性）預測模型，可提前淘汰高風險分子，降低後期臨床失敗機率。
目前已有數個由生成式 AI 設計的藥物進入第三期臨床試驗，顯示此技術已從概念驗證走向醫藥企業的實質研發管線。
CX-4945 被 Google AI 點名：AI 重新定價既有資產
值得注意的是，AI 不僅能創造新分子，也正在重新評估既有藥物資產的潛在價值。
以 CK2 抑制劑 CX-4945（Silmitasertib）為例，Google 旗下 AI 系統在進行大規模生物醫學資料分析時，透過單細胞基因表現與免疫微環境模型推論，將 CX-4945 列為具有潛力的免疫調節候選藥物。此分析指出，該分子可能在「冷」腫瘤轉為「熱」腫瘤的機制中扮演着關鍵角色。
這個案例意義深遠：
- 數位再定位： AI 開始為既有分子進行「數位再定位」，賦予已經上市或開發多年的現有藥物新生命。
- 跨界合作新常態： 科技巨頭與生技公司之間的合作成為新趨勢。
- 評估範式轉移： 藥物資產的價值評估模型正在改變 —— 不再僅依賴傳統臨床數據，而是納入演算法推論與多維資料的智慧化評估。
從投資角度觀察，這代表生技公司未來的估值基礎，可能包括其數據資產與 AI 整合能力。
熱潮之下的現實挑戰
儘管趨勢明確，醫療 AI 仍面臨多項結構性挑戰。
首先是資料的品質、完整性與潛在偏差問題。若訓練資料不具備不同族群的足夠代表性，演算法可能加劇「醫療不平等」（例如，AI 結果可能比較偏向白種人或特定族群）。其次是「黑箱」問題，深度學習模型的決策過程不夠透明，這可能影響醫務人員的信任與法規機構的審查。再者，若 AI 出錯導致病人遭受誤診誤治，目前法規框架尚未完全成熟，責任歸屬仍待釐清。
此外，商業化風險亦不可忽視。市場估計顯示，高達九成的醫療 AI 新創公司難以實現長期市場可行性。這意味著資本應更加審慎，區分「概念公司」與真正具備技術與數據護城河的企業。
未來方向：從輔助決策到預測醫學
長期來看，AI 在醫療中的角色將從輔助工具轉向基礎設施。「聯邦學習」（Federated Learning）可強化隱私保護，多模態 AI 模型則可整合影像、基因與臨床資料，而「數位雙生」（Digital Twins）技術將模擬個別病患的治療反應，使醫療從被動治療走向全週期管理與預防。當 AI 能持續學習並與臨床流程無縫融合時，醫療體系將可轉型為動態優化系統。
結語：理性看待 AI 醫療新週期
醫療健康 AI 既非魔法，也非泡沫。它更像是一場結構性升級，在效率、成本與創新模式上逐步重塑產業。
從臨床決策支援到 AIDD，再到 CX-4945 被 Google AI 點名的案例，我們看到的不只是技術突破，而是醫療價值評估邏輯的改變。對投資人而言，關鍵不在於追逐概念，而在於辨識那些真正掌握數據整合能力、跨界合作深度與臨床落地成效的企業。
當 AI 成為醫療創新的加速器，資本市場的下一波機會，或許正藏在這場靜默而深遠的轉型之中。
