和信醫院由臨床需求出發，自行研發人工智慧輔助生成醫療紀錄及護理交班紀錄應用，並建置院內大型語言模型與院內運算環境。開發過程需整合臨床資料取得、權限控管、資訊擷取、模型推論及使用介面，使人工智慧能依不同臨床任務取得正確且必要的資訊，並在醫療資料不離開院內環境的前提下完成資料搜尋、比對、重點整理與初稿生成。透過模型情境協定、檢索增強生成、去識別化及信心過濾等機制，兼顧生成內容的適切性、資料安全與臨床使用需求。

自主研發的關鍵突破，在於同一套技術架構已能支援醫師與護理師不同的專業工作情境。醫療紀錄著重病程整合、診療判斷與紀錄完整性；護理交班則著重病況變化、待處理事項及照護優先順序，因此兩項應用在資料來源、內容結構及生成邏輯上均須依專業需求分別設計。這代表本院已具備依不同臨床流程調整生成式人工智慧應用的能力，而非僅完成單用途的文字生成工具。

在臨床使用上，人工智慧承擔大量資料搜尋、比對、整理及初稿生成工作，醫師與護理師仍保有最終確認與專業判斷責任。其價值在於重新配置醫療人員投入資訊整理與臨床判斷的工作內容，使專業能力能更集中於病情評估、臨床決策及病人照護。

此項自主研發亦使和信醫院掌握模型、資料介接、臨床應用設計及院內部署等核心能力，可依臨床需求持續調整與擴充。後續將朝標準化、模組化及跨系統整合發展，並銜接 FHIR 及 SMART on FHIR 等國際標準，評估接軌衛福部推動之「AI醫療應用程式生態系」，拓展跨院應用、經驗共享與成果擴散的可能性。

和信醫院運用院內 Ga-68-PSMA-11 PET/CT 影像，自主發展病灶智慧化偵測與量化分析模型，使 PSMA 影像判讀由定性走向定量。透過病灶攝取值、腫瘤體積等客觀數據，可將原本著重病灶有無、位置與分布的影像判讀，轉化為可衡量、可比較的疾病資訊，支援不同時間點的病程變化與治療反應評估，作為攝護腺癌分期、治療決策及 Lu-177-PSMA 療效追蹤的重要參考。

此項研發的技術挑戰，主要來自小病灶的辨識與量化可靠性。Ga-68 PET 受到影像解析度及部分容積效應影響，極小病灶容易出現訊號低估、邊界不清及數值不穩定，加上生理性背景攝取干擾，也增加病灶分割的困難。本院因此建立小病灶篩選與模型評估方法，針對高量化不確定性的病灶進行處理，以改善分割精確度及結果穩定性，並建立較適切的病灶評估範圍。

本研究成果已發表於國際專業期刊 (Nuclear Medicine Communications)，顯示本院自主研發已完成由模型建置、方法評估至專業研究發表的完整歷程。研究結果亦支持人工智慧輔助 PSMA PET 分割可應用於病灶量化及縱向治療反應評估，並可作為後續影像組學、風險分層及多中心驗證的研究基礎。

透過本項研發，和信醫院建立具一致性、可比較及可追蹤的 PSMA 影像量化能力，使醫師在疾病分期、治療選擇與療效追蹤時，能增加客觀數據作為判斷依據。對病人而言，有助於更清楚掌握疾病變化與治療反應；對和信醫院而言，則累積由院內影像資料、專家判讀與人工智慧整合而成的自主研發能力，並為癌症精準醫療與後續臨床研究奠定持續發展的基礎。