文章目錄
Key Takeaways
- 2025 年 7 月療心智能首次參加亞洲生技大展（Bio Asia Taiwan）
- 執行長陳楷融進行技術簡報，介紹 DietMate 的多模組 AI 架構與人機協作設計
- 現場問題集中在「AI 判斷的準確率」與「營養師的角色」兩個面向
- 最大的收穫不是曝光，是找到幾個有意合作試用的醫療機構
2025 年 7 月，我們第一次以療心智能的名義在亞洲生技大展（Bio Asia Taiwan）設攤。
對一個不到十人的早期團隊來說，參展本身是一個不小的決定——光是布置展位和準備說明材料就花了不少準備時間，更不用說展期四天的體力消耗。所以這篇文章與其說是宣傳，不如說是實際記錄，留給自己，也給想了解這段過程的人。
我們展示了什麼
展位的主軸是 DietMate 的現場操作示範。我們架設了一台平板讓來訪者實際拍一盤食物，系統辨識後看到 AI 的分析結果，再切換到營養師審核工作台的畫面。
這個示範流程有幾個刻意的設計選擇：
不跳過辨識失敗的情況。 現場有兩次辨識結果明顯有問題——一次是把薑黃飯辨識為白飯，另一次是將滷豬腳的份量嚴重低估。我們沒有跳過這兩個例子，而是直接示範營養師在工作台上怎麼修改，以及為什麼「AI 初步辨識 + 人工確認」的流程設計正是為了應對這類情況。現場觀眾對這個部分的反應比對「完美辨識結果」還要熱烈——因為這讓人覺得比較真實。
明確說明哪些事 AI 做、哪些事還是要靠人。 食物辨識和初步營養素計算是 AI 處理的部分；個人化的飲食建議、病患溝通、複雜疾病狀況的判斷，這些目前仍然在營養師手上。這條線劃清楚，有助於避免不必要的期待落差。
執行長陳楷融也在展期進行了一場技術短講，說明 DietMate 後端的系統架構：包含食物辨識模組、健康風險預測、多代理 AI 討論架構，以及如何將大型語言模型與醫療知識庫融合使用。短講的時間不長，但問答拉得比預定時間多了快 15 分鐘。
現場被問最多的問題
四天下來，有幾個問題被不同的人反覆問到，值得記錄一下。
「AI 的食物辨識準確率是多少？」
這是被問最多次的問題。我們沒有一個漂亮的數字可以直接說。準確率因食物類型差異很大——標準化的食物（如便當盒裝的品項）辨識效果好；複合料理（如滷汁拌飯、麻辣湯底）的份量估算誤差較大。我們目前的說法是「辨識結果作為初稿，審核是必要步驟」，不建議在沒有人工確認的情境下直接使用 AI 輸出。
「這樣不是還要營養師花很多時間審核？」
這個問題問得好。審核確實需要時間，但比起從零輸入，工作量是不同量級的。營養師面對的是「已有初步結果，需要確認或調整」，而不是「從空白開始輸入」。我們在幾個試用場景中觀察到，每次飲食記錄的處理時間確實縮短了，但具體數字因診所的使用方式不同而差異不小，我們不願意在現場給一個放大的估計值。
「你們的資料有沒有在台灣本地訓練？」
有。台灣常見的便當、小吃、家常料理是我們特別投入的資料類型，因為這些食物在國際資料集裡代表性不足，直接使用現成模型效果很差。這塊還在持續擴充，特別是台南、高雄等地區的傳統料理差異性很大。
我們從中學到什麼
最實際的收穫是幾個診所和健康管理機構的主動接觸，有幾家表示有興趣進入試用流程。這比預期多，也讓我們確認「醫療機構的需求是真實存在的」這個基本假設。
另一個收穫是更清楚自己的溝通問題。展前我們以為技術架構是最大的說明重點，但現場告訴我們，對於診所評估者來說，「工作流程怎麼變」比「AI 架構怎麼設計」重要得多。下次不管是展覽還是業務說明，都會把場景演示放在技術介紹之前。
還有一件事：多模組 AI 架構的概念對大部分現場訪客來說太抽象。「多個 AI 代理協同討論」這個說法我們說了幾十次，有效溝通到的次數可能不到一半。下一步要想怎麼把這個概念翻譯成更有感的使用者語言。
後續
Bio Asia 結束後，我們目前在跟進展期建立聯繫的幾個機構，確認哪些場景適合進入試用。這個過程不快，醫療機構的決策週期比一般企業長，需要的說明和確認也更多。
如果你是在展場接觸過我們、或看到這篇文章有興趣了解更多的醫療機構工作者，可以透過下方連結直接聯繫，說明你的診所規模和主要使用場景，我們會評估是否適合安排試用說明。
討論區 (0 則留言)