文章目錄
Key Takeaways
- 療心智能 2023 年成立，從觀察台灣慢性病患者的服藥問題出發
- 第一個產品「健康小管家」專注藥物提醒與患者管理，後續延伸至 AI 飲食分析平台 DietMate
- 2024 年參加多項創新競賽，取得市場初步認可
- 2025 年下半年重心放在醫療機構合作試用與 DietMate 功能迭代
2023 年夏天，我們其中一個創辦人待在台北一家地區診所的候診區，看了整個上午。
不是為了看診。是觀察。
那天讓他印象深刻的，不是診所有多忙，而是一位老太太走出診間之後，在護理站旁邊站了很久。她手裡拿著一疊藥袋，臉上的表情不是困惑，是認命。護理師解釋了哪個藥早上吃、哪個飯後吃，老太太頻頻點頭。等護理師轉身之後，她把藥袋疊好放進包包，走出去。
我們後來訪問了她。她說，她每次都認真聽，但回家就記不清楚了，久了就懶得分那麼細，反正吃了就好。
這不是個案。台灣的慢性病患者服藥依從性問題有完整的文獻記錄，但文獻裡的數字遠不如那個早上來得清楚。
第一個產品：健康小管家
帶著這個觀察，我們開始做的第一件事不是寫程式，是繼續跑診所、跑藥局，訪問患者和醫護人員，把「你在這件事上最卡的地方是什麼」這個問題問了幾十遍。
答案一直集中在幾個地方：忘記吃藥、不知道藥的副作用和食物的交互作用、回診前無法整理自己的健康狀況。
健康小管家就是從這裡長出來的。核心功能是藥物提醒與管理——根據用藥時程發送通知，支援多種慢性病常見藥物的辨識，並記錄服藥紀錄供回診參考。技術上最花工夫的部分是辨識準確率，台灣的藥物種類繁雜，同名不同廠的情況很常見，光是這塊我們就來回調了好幾個版本。
個人化提醒的設計也不直觀。不同患者的作息差很多，固定時間提醒有時候反而造成干擾；我們後來改成讓用戶設定「起床後第一件事」、「午餐前」這類相對時間點，依從率才明顯提升。
2024 年：比賽、回饋、修正
2024 年我們參加了幾項創新競賽，成績不差。但競賽之外更有價值的，是評審和同場競逐者給的具體挑戰。
有一位具有醫療背景的評審問了我們一個問題：「你的系統幫患者記得吃藥，但如果他吃的飲食讓藥效打折，你知道嗎？」
這個問題讓我們開始認真看飲食管理這一塊。台灣慢性病人口超過 500 萬，其中有一大部分是由診所的營養師在追蹤，但營養師人力嚴重不足——全台執業營養師約 4,000 人，每人平均要對應 1,250 名病患。這個供需缺口不是感覺，是衛福部的數字。
結果是：DietMate 從健康小管家的延伸需求裡長出來，而不是憑空設計的新產品。
我們實際看到的，不是我們想像的
做產品最難的地方不是技術，是克制。
早期版本的 DietMate 功能其實更多——我們想要整合更多健康指標、設計更豐富的圖表、提供更細緻的飲食建議。但在幾家診所的試用回饋裡，營養師說的是：「我最需要的，就是患者的飲食記錄能自動進來，我不要再花時間問他上週吃什麼。」
所以我們把功能砍了一半，專注在 LINE 整合和 AI 食物辨識這個核心流程上。患者用 LINE 拍照，AI 辨識後送進工作台，營養師在工作台審核確認，建議再回到患者手上。
這個流程聽起來簡單，實作細節很繁瑣。台灣料理的辨識難度比想像的高，便當的組合多樣、滷汁會影響份量估算、同一道菜在不同店家的熱量差距可以到 30% 以上。我們花了很長的時間在資料和模型調校上，目前的辨識準確率還在持續迭代。
接下來
2025 年下半年，我們的重心放在兩件事。
一是擴大 DietMate 在醫療機構的試用範圍。目前已有幾家診所在使用，我們需要更多真實場景的資料和回饋，特別是糖尿病共照網和減重門診這兩種場景的工作流程差異很大，還有很多地方需要調整。
二是強化多代理 AI 架構的實際效果。現在的系統是單一模型辨識加人工審核，下一步我們想試驗多個 AI 節點協同處理複雜的飲食評估案例——例如同時患有腎臟病和糖尿病的患者，飲食建議的交集很窄，目前還是高度依賴營養師判斷。這塊我們想看看 AI 能不能提供更有用的初步分析框架。
沒有「改變台灣醫療生態」的大願景可以說。就是一個場景一個場景地做，看哪裡卡，再修。
如果你是醫療機構工作者，對 DietMate 的試用有興趣，歡迎透過 聯絡我們 直接說明你的場景，我們可以討論是否適合合作。
討論區 (0 則留言)