文章目錄
Key Takeaways
- 2026 年 6 月，NVIDIA 與鴻海宣布 Agentic AI 在台灣醫院正式進入臨床運作，不再是試點（NVIDIA, 2026/06）
- MCP 協議快速席捲醫療數據整合：FDB MedProof、Florence Healthcare 等均於 2026 年推出醫療 MCP 方案
- Frontiers in AI 學術論文實證：MCP 把醫學研究複製時程從數月壓縮到數小時（Frontiers in AI, 2026）
- 台灣已有 85 個 FDA/TFDA 認證醫療 AI 方案，每個主要醫療中心均在跑臨床試驗
- 最大空白仍在院外：慢性病患者離院後的 99% 時間，是 Agentic AI 的下一個戰場
2026 年 6 月 1 日，台北。
NVIDIA 在 GTC Taipei 舞台上宣布了一件事，讓整個台灣醫療 AI 圈沉默了幾秒鐘。
鴻海的 CoDoctor AI 平台，連同 Nurabot 護理機器人，已從試點計畫正式進入台灣各大醫院的臨床運作。1
不是 demo。不是概念驗證。是真的在病人身上運行。
這是一條線。台灣醫療 AI 在 2026 年 6 月正式跨過了這條線。
「試點永遠在試點」的時代結束了
過去幾年，台灣醫療 AI 的新聞有一個固定句型：「某某醫院與某某公司合作，啟動 AI 試點計畫，預計未來……」
大多數試點計畫的命運，是停留在試點。原因很多：資料整合困難、法規未明、臨床端信任缺口、系統整合工程成本過高。
2026 年的數字說話了：台灣已有 85 個通過 FDA 或 TFDA 認證的醫療 AI 方案，每一個主要醫療中心都在進行 AI 研究或臨床試驗。1
這不是偶然。這是系統性的轉折，由三股力量同時收斂。
三個同時收斂的力量
力量一：Agentic AI 從「回答問題」到「完成任務」
過去的醫療 AI 是被動的。你問，它答。
Agentic AI 不同。它能主動規劃、調用工具、跨系統協作，在一個連續工作流程中完成複雜任務。
鴻海 CoDoctor 的新 Agent 陣容清楚說明了這個差異：1
| Agent | 功能 | 效益 |
|---|---|---|
| ECG AI Agent | 自動篩查心電圖，輔助病患分流 | 減少人工判讀等待時間 |
| Corovia AI Agent | 自動重建心臟與冠狀動脈 3D 模型 | 兩小時工作流程壓縮至一分鐘 |
| Endovia AI Agent | 大腸鏡即時病灶偵測 | 毫秒等級邊緣推理 |
NVIDIA 醫療部門副總裁 Kimberly Powell 的說法很直接：「醫療的下一個時代，由 Agentic AI 驅動，數位 Agent 與實體 Agent 的團隊，和臨床醫師並肩工作。」1
力量二：MCP 協議解開醫療數據整合的死結
醫療數據的分散程度，是所有產業中最嚴重的之一：病歷在 HIS、影像在 PACS、藥物在藥局系統、檢驗在 LIS。過去，每個 AI 應用都要各自打通這些介面，工程量龐大，安全風險難以管控。
MCP（Model Context Protocol）提供了解法：讓任何 AI Agent 透過一套標準化協議，連接所有數據源。Wolters Kluwer 的評語精準：「MCP 是讓醫療 AI 安全、有用、可擴展的缺失連接組織。」2
2026 年，MCP 在醫療的採用速度超出預期：2
| 方案 | 發布時間 | 核心功能 |
|---|---|---|
| WSO2 FHIR MCP Server | 持續更新 | 通用 FHIR-to-MCP 橋接，SMART on FHIR OAuth 驗證 |
| First Databank MedProof MCP | 2026/03/31 | 首個 AI Agent 藥物決策 MCP，連接 Epic、athenahealth、Oracle Health |
| Florence Healthcare MCP | 2026/06 | 11 個臨床試驗工具全部開放 MCP，覆蓋 65,000 個研究站點 |
| Innovaccer HMCP | 持續更新 | 醫療專用 MCP 擴展，患者情境隔離、合規護欄、Agent 間通訊 |
力量三：學術實證把研究時程從數月壓到數小時
2026 年，一篇發表於 Frontiers in AI 的論文提供了迄今最清晰的實證。
研究團隊用 MCP 連接 UCSF 的 EHR 數據庫（超過 700 萬筆病患紀錄）與 SPOKE 生物醫學知識圖譜，讓 AI Agent 以自然語言查詢兩個系統。結果：把需要數月的真實世界研究複製工作壓縮到數小時，同時研究設計與詮釋仍在人類專家監督下進行。3
另一個來自 Bayer 的部署案例（ASCENT 系統）顯示：透過 MCP 暴露醫療編碼與流行病學分析工具，AI Agent 的分析準確率相較固定流程提升平均 20 至 27 個百分點。4
台灣的位置：比你想的更靠前
這個轉折，台灣並不是在旁觀。
85 個通過認證的醫療 AI 方案。每個主要醫療中心都在跑臨床試驗。鴻海作為生態系整合者，連結政府計畫、醫院、設備商與軟體公司。1
台灣有幾個獨特的結構性優勢：
- 全民健保數據：全世界最完整的全國性醫療資料集之一，是訓練和驗證醫療 AI 的稀缺資源
- 醫療體系的數位化基礎：大多數醫院已有 HIS、LIS、PACS，整合條件比許多市場成熟
- FHIR R4 推進：衛福部推動醫療數據交換標準化，與全球 MCP 生態方向對齊
- TFDA 認證能量：85 個通過認證的方案，代表完整的 AI 醫材審查能量已建立
但有一個空白，至今還沒有人系統性地填補。
院外的那 99%，還沒有人管
CoDoctor 管院內的診斷流程：手術室、心電圖、內視鏡。
患者離開醫院之後呢？
台灣有超過 500 萬慢性病患者。他們的血糖、血壓、飲食、用藥依從性，決定了他們會不會在三年後演變為腎臟病、心血管事件或截肢。這些數據目前是零散的、未結構化的、甚至根本不在任何系統裡。
患者回診，醫師問：「最近吃得怎樣？」患者說：「還行。」然後繼續。
這不是哪個人的錯。是系統沒有連續性的問題。
Agentic Healthcare Workflow 的下一個戰場，不在手術室，不在診斷室，而在患者的日常生活裡。能夠長期記憶、主動追蹤、即時介入、串接院內外數據的 AI Agent，才能真正填上這個缺口。
2026 年第四季，值得追蹤的三個指標
法規面：Agentic AI 的認證邊界
衛福部的 AI 醫材認證框架進展值得持續關注，尤其是 Agentic AI 的規範。目前多數 Agentic 系統仍在既有 SaMD（Software as a Medical Device）框架下行走，但邊界愈來愈模糊。2026 年 APEC 醫療器材法規科學卓越中心研討會（TFDA, 2026/06）顯示，國際接軌的方向已經明確。5
技術面：HMCP 規格的成熟度
Innovaccer 提出的 HMCP 加入了患者情境隔離、合規護欄、Agent 間通訊。這套規格如果被廣泛採納，將大幅改變醫療 AI 的整合架構。2
市場面：院外慢性病照護的 Agentic 方案
商業模式最清晰、臨床需求最迫切、競爭者最少的空白地帶。這個象限在 2026 年第四季開始出現真正的競爭。
這場轉折才剛開始。
相關閱讀：
療心智能正在建構台灣慢性病照護的 Agentic AI 基礎設施。若你是診所、醫院或有興趣合作的開發者，歡迎聯繫我們，或直接探索開源工具 Taiwan Health MCP。
NVIDIA 新聞稿，2026/06/01，“NVIDIA, Foxconn and Taiwan Medical Centers Bring Agentic and Physical AI to ‘Healthy Taiwan’"，來源：GLOBE NEWSWIRE / NVIDIA Newsroom。 ↩︎ ↩︎ ↩︎ ↩︎ ↩︎
“MCP and Healthcare: How AI Agents Connect to EHRs, FHIR, Medical Imaging, and Clinical Data”, ChatForest Healthcare, 2026。 ↩︎ ↩︎ ↩︎
“An agentic AI framework connecting language models to electronic health records and a biomedical knowledge graph for real-world evidence”, Frontiers in AI, 2026, https://doi.org/10.3389/frai.2026.1883853。 ↩︎
“Ascent: An Agentic System over the Model Context Protocol for Real-World Clinical Data Analysis”, arXiv, 2026, https://arxiv.org/abs/2609.24620。 ↩︎
食品藥物管理署，“2026 APEC 醫療器材法規科學卓越中心研討會”，2026/06/08，https://aimd.fda.gov.tw/。 ↩︎
討論區 (0 則留言)