AI

生成式AI賦能Predictive GenAI,為企業開啟全新洞察預測的未來,活化數據強化商業智慧決策!

在這個數據爆炸時代,預測分析成為各行各業不可或缺的工具,透過洞察歷史數據中隱藏的寶貴資訊,企業可以預測像是客戶流失、設備故障等重要問題,並採取相對的因應措施,大幅提升營運效率。然而,傳統的預測分析技術卻存在諸多挑戰,例如:模型建構過程複雜、選擇演算法與訓練模型過程的大量實驗、資料維度過多、資料格式與資料來源多樣化、專業人才短缺等,這就為Predictive GenAI(預測型生成式人工智慧)新興技術帶來令人期待的應用前景。

吳漢章:智慧醫療產業可以帶頭衝

台灣智慧醫療產業已成為「全民運動」,各級醫院積極智能化,產業界視醫療科技為重要創新領域。政府提出智慧醫療政策,資本市場有智慧醫療上市公司。然而,面臨市場有限、支付彈性不足、供給過剩等挑戰。疫情提高對智慧醫療的共識,為解決核心問題提供契機,如提高健康醫療在GDP的比例。智慧醫療產業面臨的挑戰與其他產業數位化發展相似,但應利用共識高、人力資源充沛的優勢,快速提出解決方案,為台灣發展成數位國家、人工智慧國家找到正確的路徑。

吳漢章:誰應該支付智慧醫療的費用?

智慧醫療效益高但成本昂貴,支付負擔尚未明確分配。醫院受益於技術創新,但預算有限;健保負擔沉重且資源限制。或可透過政府資助或鼓勵私人投資智慧醫療。需要多方合作,共同致力於改善醫療效率,提升全民健康。找到平衡點,為智慧醫療尋求可行解決之道。

吳漢章:醫療資訊產業發展願景

本文討論了數位醫療發展在台灣的現況和問題,並提出了建議。台灣的醫療資訊產業規模較小,大型醫院多自行開發醫療資訊系統,現行醫療資訊系統技術逐漸跟不上雲端軟體架構。此外,過去10多年軟體人才投入醫療資訊的比率非常低,讓國人期許的數位醫療難以實現。然而,衛福部去年開始醞釀次世代醫療資訊系統計畫,預計投入較大規模的預算,解決台灣現行醫療資訊系統架構老舊問題。作者提出,此時應趁機重構台灣的醫療資訊產業,讓大型醫院逐漸調整為採購優質的產品,並積極促成具備國際化能力的大型醫療資訊旗艦公司,提供可信賴與高擴充性的醫療資訊方案、擁有整合性的全人數據、能夠與國際數據標準對接、對海外市場輸出、建立應用生態體系等等。最終,台灣的醫療資訊基礎架構能夠與國際市場連結,有機會吸引第一流的數位軟體人才持續投入。

訂閱活動及行銷 EDM