文章目錄
Key Takeaways
- 台灣執業營養師約 4,000 人，服務超過 500 萬慢性病患者，比例 1:1,250（衛福部資料）
- 一次完整的飲食記錄評估需要 30–45 分鐘，其中 10–15 分鐘是重複性的資料輸入工作
- DietMate 透過 AI 食物辨識、健康數據整合、結構化報告生成，針對這 10–15 分鐘的步驟做自動化
- 所有 AI 輸出仍需通過營養師審核，不是用 AI 取代判斷，而是減少前置作業時間
- 對想試用的診所：可透過文末連結預約說明，確認使用場景是否適合
先把數字說清楚
衛福部的資料顯示，台灣目前約有 4,000 名執業營養師。另一方面，糖尿病、高血壓、慢性腎臟病等需要長期飲食管理的慢性病人口超過 500 萬。
1 比 1,250。
這個比例本身就說明了問題，不需要額外的修飾語。一位營養師無法對 1,250 位患者提供完整的個人化飲食追蹤，所以大多數患者實際上沒有定期的飲食諮詢，或者諮詢的間隔遠比醫師建議的還長。
城鄉落差讓這個問題更不均勻。台北的大型醫院可能配置多位臨床營養師，但一家地區診所可能只有一位兼任的，甚至完全沒有。
一位營養師的上午
要理解問題在哪，先看看一位在減重門診服務的營養師，一個上午的實際工作樣貌。
9:00 到 12:00，她預計要看 6 位回診患者，每人約 25–30 分鐘。
第一位患者進來。 護理師已經量好體重和腰圍，記錄在表單上。患者坐下後，她問：「上禮拜吃得怎麼樣？」患者說還好，有盡量少吃澱粉。她再問：「昨天吃了什麼？大概說說看。」患者想了一下，說早餐吃了便利商店的三明治，午餐是自助餐，選了三樣菜一份飯，晚餐在家吃，有炒青菜、滷豆腐、一碗白飯。
接下來，她打開系統，開始手動輸入：三明治（大約 350 大卡）、白飯一碗（約 200 大卡）、自助餐的三樣菜——這裡就卡住了。患者說「有一道看起來是菠菜炒蒜頭」，但不確定用了多少油。她只能估算，打上一個範圍值。
這樣輸入完昨天的三餐，差不多 8 到 10 分鐘過去了。接著還要對照患者的血壓記錄（上禮拜的量測值寫在一張紙上，患者今天帶來了）、上上禮拜的血液報告（在另一個系統），然後綜合判斷這週的飲食建議。
這個流程對每位患者都要重來一次。她通常到第四位患者之後就開始落後進度。
時間黑洞在哪裡
一次完整的飲食記錄評估，估計需要 30 到 45 分鐘，拆開來看：
- 病患資料收集（5–8 分鐘）：基本健康資訊、疾病史、用藥記錄、過敏史
- 飲食記錄輸入與計算（15–20 分鐘）：手動輸入食物種類與份量、逐項計算營養素、對照每日建議攝取量
- 評估報告撰寫（10–12 分鐘）：分析攝取狀況、辨識問題、提出調整建議
- 衛教溝通（5–10 分鐘）：向患者說明結果、回答問題
其中「飲食記錄輸入與計算」這段是最純粹的重複性工作。患者說了什麼，你輸入什麼，算出數字，這個流程沒有太多判斷空間，但每次都需要時間，而且容易出錯——患者的描述本來就不精確，轉換成數字的過程又有估算誤差。
DietMate 解決的，就是這個環節。
工作流程怎麼改變
DietMate 的設計前提是：讓資料在患者這端就開始被收集，不要等到進診間才開始輸入。
患者端： 每餐拍一張食物照片，透過 LINE 傳給診所帳號。不需要安裝新 App，不需要記住帳號密碼。
AI 處理： 系統透過 GPT-4o Vision 辨識照片中的食物，估算份量，計算熱量與主要營養素（蛋白質、脂肪、碳水化合物）。這個步驟通常在幾秒內完成，並納入台灣在地食物資料——包含便當、小吃、常見家常料理。
營養師工作台： AI 的辨識結果不直接送到患者，而是先進到審核工作台。營養師可以確認辨識是否正確、調整份量或數值、加入個人化建議，再確認發出。工作台同時顯示患者的 11 項健康指標歷史（血壓、血糖、體重等），可以與飲食記錄橫向比對。
這樣一來，當患者進到診間，飲食記錄已經有了——不需要重新口頭描述，不需要手動輸入。營養師要做的是確認 AI 的辨識有沒有問題，補充或調整建議，然後把時間用在真正需要判斷的部分。
省下來的 10–15 分鐘是哪些步驟
具體來說：
- 食物辨識 + 份量估算（原本 5–8 分鐘手動輸入）→ AI 自動完成，審核修改約 1–2 分鐘
- 健康數據整合（原本需要切換多個系統或翻紙本）→ 工作台整合顯示，節省 3–5 分鐘
- 基礎報告框架生成（原本需要從空白開始打）→ AI 產生初稿，營養師補充判斷，節省 2–3 分鐘
這加起來大約是 10 到 15 分鐘。這個數字不是對每一位患者都完全一致，也取決於患者的飲食複雜程度和診所的使用方式，但作為常見情境下的參考範圍，是合理的。
重要的事：這 10–15 分鐘省下來之後，不是讓營養師更快做完然後休息，而是讓她把同樣的時間用在「問患者為什麼上禮拜連三天沒有傳飲食記錄」「理解患者說的『有在控制』背後的實際行為」——這些才是需要人的判斷和溝通的部分。
這個工具沒辦法做的事
有幾件事要講清楚，因為在評估一個工具的時候，限制和能力同樣重要。
DietMate 目前對複合料理（特別是湯底類、沾醬類）的份量估算誤差仍然偏大。臨床上對精確度要求很高的情境（例如腎臟病的磷鉀控制），目前的辨識結果不建議直接使用，仍然需要高度人工介入。
患者養成拍照習慣需要時間。這不是系統的問題，而是行為改變本來就需要引導。診所需要在前期投入時間說明和追蹤，才能讓這個工具發揮效果。
AI 建議是輔助，不是診斷。所有對患者的建議都要經過營養師確認，這是設計上的硬性要求，不是可選功能。
對想了解的診所
DietMate 目前開放醫療機構試用申請。評估流程通常是先一次線上說明，確認你的診所規模和患者類型是否適合，再決定是否進入試用。
如果你現在的困境是「營養師時間不夠用」或「患者飲食記錄難以追蹤」，這兩個問題是 DietMate 的主要設計對象。
討論區 (0 則留言)