深耕計畫專區

協助醫院啟動深耕計畫 — 加速智慧應用導入

協助醫療院所進行深耕計畫規劃、系統建置與 AI 導入, 打造可實際落地的智慧醫療應用場域。

探索你的科別:基層醫療、放射科、神經內科、治理中心

醫院在深耕計畫中, 是否面臨這些挑戰?

我們深入理解醫療院所在推動深耕計畫時的困境,並提供針對性的解決方案。

商之器提供的整合式支援

從計畫規劃到系統建置、AI 導入,提供全方位一站式服務,降低醫院的整合負擔。

計畫規劃與顧問服務

系統建置與整合

AI 導入與驗證

為什麼選擇商之器?

超過三十年的醫療影像領域深耕,我們擁有從系統建置到 AI 落地的全方位實戰能力,是您推動深耕計畫最可靠的整合夥伴。

可落地的智慧醫療應用

結合 EBM 完整產品線,打造真正符合臨床需求的智慧醫療場域。

從規劃到落地的完整流程

清晰透明的五階段導入方法論,確保每個里程碑都可追蹤、可驗收。

  1. 需求訪談:深入了解院方現況、目標與既有系統環境,釐清深耕計畫的重點方向與優先場景。
  2. 計畫與架構規劃:擬定完整計畫書、技術架構圖與時程規劃,確保目標可執行、資源可掌控。
  3. 系統建置與整合:執行 PACS / HIS / RIS 完整串接,整合 DICOM 與非 DICOM 影像,建立穩定基礎架構。
  4. AI 模型導入與測試:整合院方指定或第三方 AI 模型,進行效能測試與臨床驗證,確保模型符合臨床需求。
  5. 臨床驗證與正式上線:多中心 PoC 驗證、臨床流程持續優化,協助系統順利正式上線並提供後續維運支援。

深耕計畫落地實績與應用

以下為商之器科技協助醫療院所完成深耕計畫的真實案例,從需求分析到系統落地的完整歷程。

新北(新北市醫師公會) — 健康台灣深耕計畫 案例說明

新北市醫師公會 — 適用科別:基層醫療

計畫名稱:新北市 888 三高暨心腎血管病防治行動數位醫療 AI 平台

計畫編號:A2-0022

一、醫院需求

由新北市醫師公會領銜,針對新北市基層診所的三高(高血壓、高血糖、高血脂)暨心腎血管病患者,推動數位醫療 AI 平台計畫。基層診所缺乏數位化管理工具,三高慢性病患者的長期追蹤與照護連續性不足,亟需導入 AI 輔助工具提升診療效率與研究能量。計畫同時納入大型集群隨機臨床試驗設計,驗證 AI 數位醫療平台的臨床效益。

二、帶來的好處

  • 提升診療效率:AI 輔助工具減輕基層醫師工作負擔,縮短眼底與心電圖判讀時間
  • 三高慢病管理改善:數位平台提供連續性追蹤,有效提升患者服藥順從性與健康指標控制
  • 臨床試驗能量:培養基層醫療團隊具備真實世界數據收集與臨床試驗能力,產出高品質研究成果
  • 大規模驗證:透過集群隨機臨床試驗設計,科學化驗證數位 AI 醫療平台的實際臨床效益
  • 政策擴散潛力:成果可作為全國基層診所數位轉型的參考模式,推廣至其他縣市

三、解決痛點

#痛點解決方法
1基層診所缺乏數位工具,三高患者追蹤困難導入 888 行動數位醫療管理平台,提供數位化慢病管理
2眼底病變早期偵測依賴人工判讀,效率低AI 眼底照相機自動分析視網膜影像,輔助醫師判讀
3心電圖判讀仰賴人工,危急案例通報不及時心電圖 AI 分析系統,自動偵測異常並提醒
4AI 系統與既有診所工作流程整合度不足設計前導診所試用機制,逐步導入並搭配教育訓練
5多系統整合複雜,各系統資料交換標準不統一明定各系統交換機制與標準,進行相容性測試
6患者健康行為誘因不足,服藥順從性低虛擬 AI 健康助手(樺漢)+ 問卷 / 同意書數位化

台南(臺南愛AI腸篩) — 健康台灣深耕計畫 案例說明

台南市醫師公會 — 適用科別:基層醫療

計畫名稱:臺南愛(AI)腸篩─大腸癌擴篩完治 × AI 轉診智慧平台精進計畫

計畫編號:A2(跨院聯盟)

一、醫院需求

由台南市醫師公會領銜,聯合臺南市政府衛生局、成大醫院、奇美醫院、安南醫院、臺南市立醫院、新樓醫院、衛福部台南醫院、郭綜合醫院共七大醫療機構,共同推動大腸癌篩檢精進與智慧轉診優化治理。臺南市大腸癌篩檢率僅 37%(低於全國平均 42%),陽性個案大腸鏡完成率不足,加上基層診所與醫院之間資訊流轉斷鏈,亟需建構一個整合性的數位轉診與篩檢治理平台。

二、帶來的好處

  • 篩檢率提升:透過主動召回、行為誘因設計,預期提升台南市大腸癌篩檢率,目標達 50% 以上
  • 縮短確診時間:從 FIT 陽性至大腸鏡完成的等待時間顯著縮短,降低個案追蹤斷鏈比例
  • 轉診流程數位化:基層診所轉診後可即時追蹤個案進度,消除人工溝通與資訊遺失問題
  • 跨院資料整合:七大醫院與基層診所透過統一平台共享篩檢與轉診資訊,支援衛生局政策評估
  • 偏鄉覆蓋:行動醫療示範與社區參與機制,提升偏鄉及弱勢族群篩檢可近性
  • 可擴散模式:平台模組化設計,未來可擴展至乳癌、口腔癌等其他癌症篩檢領域

三、解決痛點

#痛點解決方法
1篩檢參與率偏低(台南市 37%),民眾缺乏誘因建置競賽評分機制、行為誘因設計、LINE Bot 主動召回
2陽性個案大腸鏡追蹤斷鏈,完成率不足「臺南愛腸篩·轉診通」平台追蹤個案進度並發送提醒
3轉診資訊碎片化,基層診所無法即時掌握後續數位化轉診平台,串接基層診所至醫學中心的即時回報機制
4病歷存取與授權查驗機制不完善,跨院調閱困難轉診授權服務器 + 數位病歷認證與數位指紋技術
5缺乏 AI 輔助決策,醫師難以快速分流複雜個案導入 Multi-Agent AI 分流模組與 GenAI 病歷摘要
6資料系統分散,衛生局難以評估成效串接臺南共照雲、健保署雲端病歷、國健署大腸癌篩檢資料庫

新光醫院 — 健康台灣深耕計畫 案例說明

新光醫院 — 適用科別:放射科

一、醫院需求

新光醫院放射科隨著 AI 模型數量持續增加,面臨多廠商模型分散管理的困境。各廠商 AI 運算流程不一、介面各自獨立,醫師需在多個系統間切換才能看完所有判讀結果,嚴重影響診斷效率。RIS 系統無法顯示 AI 文字判讀結果,危急個案也缺乏自動排序機制。此外,新光身為中心端醫院,需支援周邊衛星院所的跨院 AI 影像判讀服務。

二、帶來的好處

  • 統一 AI 管理:放射科所有 AI 模型集中於單一平台,管理複雜度與硬體占用大幅降低
  • 報告效率提升:醫師於 RIS 內可直接參考 AI 判讀結果,無需切換系統,報告撰寫時間顯著縮短
  • 危急案例優先處理:AI 自動排序危急影像,確保高風險個案優先判讀與通報
  • 肺癌篩檢合規:個案管理師透過系統直接生成符合國健署 Lung-RADS 格式報告,消除手動登打負擔
  • 跨院 AI 服務:周邊衛星院所無需自建 AI 算力,即可享有新光 AI 平台的影像判讀支援,提升區域醫療品質

三、解決痛點

#痛點解決方法
1多廠商 AI 運算流程無法統一,各跑各的流程EBM AI 平台統一進行影像分派與待算清單管理
2各廠商各有獨立 Viewer,醫師需跳轉操作所有 AI 結果統一呈現於 EBM PACS Viewer
3AI 機器占用科室空間且難以管理一站式 AI 工作站整合所有廠商模型
4RIS 無法顯示 AI 文字結果,無法加速報告撰寫RIS 升級 AI 功能:顯示清單、危急排序、結果覆核編修
5個案管理師需手動登打肺癌篩檢報告至國健署系統建置 Lung-RADS 肺癌篩檢報告介面與客製化查詢網站
6衛星院所缺乏 AI 判讀能力,偏遠地區服務不足跨院 AI Gateway,透過 UDE App 傳送影像至新光 AI 平台運算後回傳

家庭健康紀錄 (FHR) App — 應用案例說明

FHR — 適用科別:放射科

一、醫院需求

  • 無紙化與 ESG 綠色醫療轉型:配合國家政策與深耕計畫指標,醫院亟需取代傳統光碟燒錄與紙本病歷交付,降低碳足跡。
  • 以病人為中心的數位服務:提升民眾就醫體驗,提供即時、安全的個人醫療影像與病歷調閱管道。
  • 低負擔的雲端服務導入:尋求符合深耕計畫 70%「經常門」核銷規範的訂閱制(SaaS)軟體方案。

二、帶來的好處

  • 手機即時調閱與管理:病患可透過行動裝置(iOS/Android)直接儲存、瀏覽個人診斷影像與健康紀錄。
  • 零光碟化與營運降本:徹底終結實體光碟燒錄與耗材成本,節省櫃檯行政人力與病患等待時間。
  • 雲端極速傳輸:結合 AWS 雲端與點對點傳輸架構,確保影像釋出安全且順暢。
  • 合規經常門核銷:採用 App 服務訂閱模式,不佔用資本門硬體預算,輕鬆消化深耕計畫經常門經費。

三、解決痛點

#痛點解決方法
1病患等待時間過長傳統臨櫃申請光碟需耗時 30 分鐘以上;導入 FHR 後影像自動釋出至手機,隨申隨拿。
2轉診與跨院調閱困難傳統光碟易損壞或格式不相容;FHR 提供標準化行動影像,方便病患轉診時直接提供給醫師評估。
3高昂的光碟與印表機耗材成本每年耗費大量光碟片與紙本列印,不符 ESG 減碳趨勢;改用數位釋出大幅降低耗材與行政成本。

四、應用情境

  • 放射科/櫃檯影像釋出:健檢或放射科檢查結束後,民眾掃碼即可將影像同步至手機 FHR App。
  • 門診與跨院轉診諮詢:病患至外院或不同科室看診時,直接出示手機 FHR 影像,供醫師即時評估。
  • 結合 AWS 雲端 AI 加值:雲端 AI 運算結果可同步於 FHR 展現,讓病患與家屬更直觀了解檢查狀況。

行動醫療影像傳輸與儲存系統 (UDE) App — 應用案例說明

UDE — 適用科別:神經內科、放射科

一、醫院需求

  • 行動化與無界限診斷:醫師於巡房、會診或急診時,需要醫學中心等級(FDA Class II)的行動診斷工具。
  • 中小型醫院 AI 降本導入:免採購高昂 GPU 伺服器即可導入 AI 輔助診斷與門檻極低的 AI Gateway。
  • 嚴格的資安與去識別化防線:影像上雲端或跨院傳輸時,必須完全符合個資法與醫療資安規範。

二、帶來的好處

  • All-in-One iPad 診斷平台:將 iPad Pro 化身為獨立 DICOM 伺服器、檢視器、顯示器與 AI 引擎,具備 FDA Class II 診斷認證。
  • 極速分享與 AI 整合:支援 QR Code 及 AirDrop 快速分享影像,並整合 Apple Core ML 進行邊緣運算。
  • 專利去識別化與 DMZ 資安:自動批次移除病患個資,配合 DMZ 網路架構隔離內外網,資安零風險。
  • 完美契合經常門(訂閱制):iPad + UDE App 軟體訂閱,免建置機房,100% 符合深耕計畫經常門核銷。

三、解決痛點

#痛點解決方法
1中小型醫院預算不足無法負擔數百萬元的本地硬體與機房維護;UDE 提供「免硬體、即裝即用」的雲端與行動方案。
2偏鄉與行動醫療資源匱乏偏鄉或巡迴醫療缺乏大型 PACS 支援;UDE 支援離線診斷與 5G/雲端遠距傳輸。
3跨系統整合複雜UDE 簡化第三方廠商與 AI 模型對接,大幅降低 IT 團隊學習與維護負擔。

四、應用情境

  • 乳房攝影巡迴車:巡迴車影像透過 UDE 傳輸與 AI 邊緣運算,報告產出時間縮短三分之二。
  • 離島與偏鄉遠距醫療:離島醫師拍攝消化道內視鏡後,經 UDE 傳至醫學中心 AWS 雲端 AI 運算,等待時間由 1-2 週縮短至幾分鐘。
  • 急診與跨科會診:急診醫師以 iPad 掃描 QR Code 即可即時檢視影像與 AI 提示,加速搶救決策。
  • AI 臨床驗證 Gateway:作為醫院評估新 AI 模型(POC)的輕量化轉接閘道。

EBM AI Platform 醫療 AI 整合平台 — 應用案例說明

AI Platform — 適用科別:放射科、治理中心

一、醫院需求

  • 深耕計畫智慧醫療 KPI 達標:醫院需快速導入符合 TFDA/FDA 認證的商業化 AI 模型,爭取計畫高分。
  • 一站式多科別 AI 整合:拒絕多套獨立 AI 系統造成的臨床切換困擾,需要能與現有 PACS/RIS 流程無縫接軌的平台。
  • 靈活的算力架構:支援院內與 AWS 雲端彈性算力分配,因應高峰期數據激增。

二、帶來的好處

  • 20+ 全球頂尖商用 AI 模型一站購足:涵蓋 Brain (CT/MRI)、Chest (LDCT/X-ray)、Heart、Abdomen (Pancreas)、Breast (Mammo) 等多科別 TFDA 認證模型。
  • 深度臨床工作流整合:支援自動生成報告、病灶分割標記、自動優先排序及急診危急通知。
  • AWS 雲端彈性擴充與 GPU 最佳化:自動優化 GPU 資源分配,中小型醫院可直接調用 AWS 雲端高算力,無需自建機房。
  • 經常門高核銷效益:以「AI-as-a-Service (AIaaS)」訂閱模式提供,完美消納深耕計畫 70% 經常門預算。

三、解決痛點

#痛點解決方法
1放射科醫師過勞與漏診風險海量影像導致報告積壓;AI 平台自動標記疑似病灶並優先排單,降低漏診率。
2多家 AI 廠商對接維護成本高傳統做法需逐一與各 AI 廠商對接 PACS;EBM 平台作為 Carrier(載體),一次對接即享全球 AI 模型。
3急診危急個案延誤急診影像排隊等待時間長;AI Notify 自動發送陽性警告(如氣胸、腦出血),引導醫師優先處理。

四、應用情境

  • 放射科閱片室:自動整合肺結節或胰臟癌(PANCREASaver®)AI 預篩結果至 SoliPACS Viewer 與 RIS 報告系統,大幅提升撰寫效率。
  • 急診室警示:X-ray 拍攝後,AI 平台於背景秒級推論,若發現氣胸或骨折等危急狀況立即發送警訊至急診醫師手機/系統。
  • 多中心 AI POC 與雲端驗證:醫院無須建置實體伺服器,直接透過 AWS 雲端進行新型 AI 模型(如胰臟癌預篩)的跨院驗證。

EBM AI Platform x Acer Medical — (四大智慧醫療 AI 方案)

EBM x Acer — 適用科別:放射科

一、醫院需求

  • 拓展多科別早期篩檢能力:配合「深耕計畫」與國家慢性病防治政策,醫院亟需強化慢病併發症(糖尿病視網膜病變)及高齡骨質疏鬆的早期預防與篩檢。
  • 附帶篩檢最大化醫療價值:希望在不增加病患額外輻射與檢測成本的前提下,利用常規檢查(如 Chest X-ray)創造更多臨床價值。

二、帶來的好處

  • 四大 TFDA 認證 AI 模型一站整合:涵蓋眼科三大病變 VeriSee DR(糖尿病視網膜)、VeriSee GLC(青光眼)、VeriSee AMD(黃斑部病變),以及 VeriOsteo OP(胸腔 X 光骨質密度推測)。
  • 無縫銜接既存工作流:完美對接 EBM AI Platform 與 SoliPACS,自動輸出 PDF 診斷報告,醫師無需改變原有的開單與閱片習慣。
  • 常規 CXR 秒變骨密篩檢利器:VeriOsteo OP 利用常規胸腔 X 光影像即可精準推測 T-score,提前評估骨質異常風險,免去昂貴的 DEXA 設備門檻。

三、解決痛點

#痛點解決方法
1眼科專科醫師人力不足中小型醫院或內分泌科缺乏眼科醫師駐診;VeriSee AI 提供自動化影像品質確認與病變風險分級,協助新陳代謝科/家醫科快速篩檢。
2骨質疏鬆隱形風險高、DEXA 篩檢率低許多高齡病患未主動檢測骨密;利用照胸腔 X 光的機會同步進行骨密 AI 推測,化被動為主動。
3AI 採購流程繁瑣與部署過久透過 EBM AI Platform 單一載體,一次開通四款 Acer Medical TFDA 認證 AI,免除個別軟體安裝與跨系統對接困擾。

四、應用情境

  • 糖尿病照護中心與內分泌科:糖尿病病患進行年度例行眼底檢查時,透過 VeriSee DR / GLC / AMD 進行即時風險分級與病變篩檢。
  • 健檢中心與放射科:民眾拍攝例行胸腔 X 光時,系統同步調用 VeriOsteo OP 推算 T-score,報告自動警示骨質疏鬆高風險個案。
  • 巡迴醫療與基層門診:自動輸出精美 PDF 報告,利於醫師面對面向民眾解釋病情,並即時安排後續轉診或治療。

健康台灣深耕計畫系統整合廠商|EBM 商之器的角色

EBM 商之器(EBM Technologies)是專注於醫療影像與 AI 整合的健康台灣深耕計畫落地夥伴。自 1988 年成立、深耕醫療影像超過 30 年、導入超過 3,500 家醫療院所,EBM AI Platform 榮獲第 19 屆國家新創獎。EBM 是少數能直接將深耕計畫與 PACS、RIS、HIS、FHIR 醫療資料交換與 AI 醫療影像整合包裝成一站式完整方案的廠商,並擔任單一整合窗口,協助院方從計畫規劃、系統整合、AI 模型導入到多中心 PoC 驗證完整落地。

深耕計畫落地案例:新北市 888 三高 AI 平台(計畫編號 A2-0022)臺南愛 AI 腸篩七大醫院跨院聯盟新光醫院多廠商 AI 影像平台。更多常見問題與知識文章請見 深耕計畫知識中心

準備好啟動您的深耕計畫了嗎?

讓商之器的專業團隊,協助您從規劃到落地,完整實現智慧醫療願景。

立即聯繫我們