「工欲善其事，必先利其器。」要讓醫療更準、藥更對、錢更花在刀口上，關鍵不是口號，而是把數據（Data）、演算法（Algorithms）與算力（Computing Power）三把利器磨到鋒利，再用在地人群的真實證據把醫療決策「校準」到更精確的尺度。台灣如何從被動跟隨，搖身一變以「主權模型（Sovereign Model）」主導的精準健康（Precision Health）生態，本篇以兩場在 2025 年 8 月 25 日「行政院生技產業策略諮議委員會議（BTC 2025）」的主題演講為骨幹，試圖從政策、科學到臨床連成一條龍的改革路線圖。
AI 「自主」或「殖民地」：用本土人群資料分析，更「精準」貼近在地「體質」
成功大學校長沈孟儒於會中開宗明義拋出命題：「AI 自主大國？AI 殖民地？」答案不在口號，而在演算法、專屬（台灣）健康大數據與高速算力三要素的自我整合，最後匯聚成符合本土語境與法規的主權模型（Sovereign Model）旨在用台灣數據、解台灣問題，拒做他人資料與模型的附庸。他指出，台灣擁有完整而高品質的健保資料庫（NHI database），搭配半導體優勢強化國家級算力，是精準健康 AI 的天然起跑點。希望這是「以台灣為本」的產業戰略，而非「幫別人驗證、自己買單」的 AI 殖民地路徑。
為何這麼急？答案在醫療經濟。他以降脂藥為例，揭示全球市場：史他汀（Statins）年規模約 140 億美元、PCSK9 抑制劑與 NPC1L1 抑制劑各逾 10 億美元；若僅沿用他人研究找到的靶點，終究只能在價值鏈下游承擔高藥價與支付壓力。他以 PrimateAI-3D 的研究為例：此模型在 UK Biobank 上重現既有降膽固醇藥物的所有靶點，並將與脂質代謝相關的 48 個基因依影響力排序，其中 PCSK9 名列前茅、HMGCR（史他汀作用靶點）則居中，說明靶點—療效具有人群差異的本質。重點不是平移研究成果，而是要用本土人群資料重算一遍，才能稱得上「精準」。
新加坡 NPM 的成功模板，台灣 TPMI 是訓練本地模型的絕佳基礎
如果台灣要把「預防醫學」落地，可以參考新加坡的國家精準醫療（National Precision Medicine, NPM）三階段發展計劃：2017–2021 年先做 >1 萬人 WGS 資料以建立基礎，2021–2024 年擴至 10 萬人並導入臨床，其後以 100 萬人為目標，朝向全球「輸出」研究成果。更關鍵的是第一期就交出四個重要指標：3.4% 國民帶遺傳病風險、27% 帶會使至少一種藥物出現威脅生命副作用的變異、0.5% 亞洲伴侶屬高風險隱性病帶因配對，且 27% 嚴重隱性病基因被現行帶因篩檢漏掉——有效把醫療「從被動治療拉回主動預防」。
台灣則以台灣精準醫療計畫（TPMI）累積近 50 萬人的基因型資料量能，並自詡「全球最大非歐洲人種研究族群」以及「486,956 名漢族人群的遺傳與臨床數據」，為亞洲人群的臨床決策建立關鍵參照座標。配合次世代定序（NGS）成本自 2007 年後指數式下滑、已低於千美元的結構變化，「以人群為本」的預防醫學得以規模化、常態化，醫療模式因此從抓病轉為抓風險。資料變便宜、樣本變巨大、AI 變聰明，也為「以台灣數據訓練台灣的主權模型」的理念日漸成形。
iPSC、CRISPR 與 NAMs 接軌監管，設立以人為本的新藥開發路徑
史丹佛心血管研究所所長吳慶明在「AI, Genomics, and Stem Cells for Drug Discovery」演講中，用一條「病人→細胞→機制→藥物」的路徑把未來研發清楚具體化。他的團隊以患者 的誘導性多功能幹細胞（iPSCs）分化的內皮細胞（iPSC-ECs）重建「碟中疾病」，找出KLF2保護性基因下調的致病機制，再從 FDA 藥物庫篩出洛伐他汀（Lovastatin），並回頭對同一名患者驗證血管功能改善——這不只是老藥新用（Drug Repurposing），更是個人化藥物發現的即時演示。從真實病人出發、在人類細胞上建模與試藥，再回到同一病人做功能評估，變因少、預測準、轉譯快，可謂以人為中心的新藥學。
這條新路徑之所以可以「加速且符合正當性」，是因為法規與臨床發展齊頭並進。《FDA Modernization Act 2.0》鬆綁「IND 前必做動物試驗」的要求，承認「替代性試驗平台（Alternative Testing Platforms）」的合規性；此外 NIH 亦在 2025/4/29 宣布將優先資助「以人類為基礎的研究技術（Human-based Research Technologies）」，點名類器官（Organoids）、組織晶片（Tissue Chips）與計算模型（Computational Models），並設立 ORIVA 以制度化推進。另一方面，CRISPR 在 2023 年 12 月 8 日由 Casgevy 首度取得 FDA 核准治療鐮刀型細胞貧血（Sickle Cell Disease），宣告基因編輯藥物時代正式登場，為 NAMs 體系提供臨床級的成功範本。政策開門、科學到位、臨床見效——這是一條已在國際加速成形的主航道，而非旁門左道。
回到會場的語境，主持人點出台灣「半導體與醫療系統領先、AI 發展模式加速產業創新與驗證」；沈孟儒則用棒球運動凸顯「毫秒級判斷」的重要——投手丘到本壘 18.44 公尺、球速 140–150 km/h，打者真正容許的誤差僅約 7 毫秒；醫療決策何嘗不是如此？一個基因變異、一個影像指標、一個代謝曲線，就是擊中的那個「甜蜜點」。因此，他主張以 L3 腰椎斷層自動分割核心肌群、把肌肉量與品質數位化，並以「三秒回傳」的臨床可用標準穿針引線；從球員訓練到代謝風險一網打盡，才能把「被動治療」翻轉為「主動預防」。道理很白話：看見得更早、計算得更準、行動得更快，醫療才會更有效、更人性。
成為 AI 自主大國不是把模型堆更大，而是把台灣族群真實世界證據落地
答案其實已在兩場演講中浮現：其一，以 TPMI 與健保資料為核心，建構本土專屬的健康大數據—演算法—算力循環，產出可審核、可重複、可擴散的主權模型。其二，在藥物開發端擁抱 NAMs，以 iPSC / Organoid / Tissue-Chip＋AI 驅動的「碟中臨床試驗（Clinical Trial in a Dish）」為骨架，連結 FDA/NIH 的新規範與資助邏輯，加速從標的發現到先導化合物、乃至老藥新用的轉譯路徑。其三，以新加坡 NPM 作為執行計劃的對照組——將人數、期程、臨床與產業的串接用一張藍圖說清楚、做到底。成為 AI 自主大國不是把模型堆更大，而是把台灣人群的真實世界證據（RWE）變成會學習、能落地、可計算的國家能力。當 7 毫秒的醫療判斷與 3 秒的臨床回饋成為日常，當 486,956 份在地資料與數十萬人 WGS 常態化輸入模型，主權精準健康就不是願景，而是制度、是產業、更是全民共享的健康紅利。
