醫療AI落地醫院：中港台誰走得更快？
醫療人工智能已從辨認肺結節、眼底病變，逐步走向病情預警、臨床決策、病歷摘要及醫院管理。然而，模型能在研究中取得高準確率，不等於可以進入日常診療。真正的競賽不在於誰發表最多模型，而是誰能把AI接入電子病歷、取得監管認可、獲得醫生信任，並建立可持續的採購與支付模式。若以這把尺衡量，中國內地、香港和台灣其實各自領先不同賽道。
中國內地的最大優勢，是市場規模與政策推動能力。國家衞健委2024年公布的參考指引，提出醫療服務管理、基層公衞、健康產業及科研教學等四大類、共84項AI應用場景；其後五部門再提出，到2027年建立高質量數據集、可信數據空間及專病垂直模型，到2030年基本實現基層智能輔助全覆蓋，並推動二級以上醫院普遍應用影像輔助診斷及臨床決策支援。國家衞健委的方向已由鼓勵試驗，轉為訂立全國性落地時間表。
這種制度優勢令AI可以迅速由頭部三甲醫院向基層擴散。深圳截至2026年已有近450個AI產品在各級醫療衞生機構應用，涵蓋診療、管理及公共衞生。深圳市衞健委的案例顯示，內地已不再局限於影像判讀，而是嘗試建立由預防、診斷至康復的完整智能鏈條。
但「裝了系統」不代表真正使用。內地醫院數量龐大，電子病歷格式、設備水平和數據質素差異顯著；部分項目依賴政府補貼或示範預算，當免費試用結束，醫院是否願意持續付費仍是疑問。AI若增加醫生核對時間，或者錯誤警報太多，再漂亮的準確率也可能被臨床棄用。因此，內地目前是擴張最快，卻未必是平均落地質素最高。
香港的情況相反。市場較小，產品種類不及內地，但醫管局管理大部分公立醫院，臨床管理系統、化驗結果和內部通訊平台相對統一，適合把一個有效模型迅速接入多間醫院。博愛醫院2025年全面使用病情惡化預測系統，分析生命表徵、化驗及臨床紀錄等逾20項數據，預測病人未來48小時的惡化風險，再透過HA Chat及病房儀表板通知醫護。醫管局公布其準確率達92%，誤報率約1%；與同期數據比較，平均每166宗個案減少一宗死亡，住院時間亦縮短一天。
這類成果比單純宣稱「判讀更準」更有商業價值，因為減少死亡、住院日數及醫護巡查負擔，均可轉化成醫療系統的實際回報。不過，香港的瓶頸在於市場容量小、採購較集中，而且醫療器械法定監管制度仍在建設。政府計劃於2026年成立香港藥物及醫療器械監督管理中心，並提交醫療器械規管立法建議，意味AI醫材由行政表列走向完整法定監管，仍處於過渡階段。香港衞生署
台灣制度較完整，勝負取決於支付
台灣的強項則是醫療、資訊科技與醫材產業的結合。食藥署由2020年至2025年3月底已核准180張採用AI技術的醫療器材許可證，其中55張為國產產品，顯示其產品化及監管路徑相對清晰。台灣食藥署 衞福部亦補助十家不同層級醫院設立「負責任AI執行中心」，要求建立透明度、資安、私隱、上線後監測及模型退場機制，將監管焦點由上市前準確率，擴展至整個模型生命週期。
台灣因此可能是三地之中，最早認真處理模型漂移、跨院驗證和臨床責任的一方。不過，不少AI仍由大型醫學中心自行研發，各院資訊架構不同，模型離開原有醫院後未必維持效能。更關鍵的是，取得許可證不等於取得健保給付；若AI不能證明節省醫生時間、減少不必要檢查或改善病人結果，醫院很難長期自行承擔費用。
（概念提供：派格生物醫藥（02565.HK），《金星匯》草擬校對）
