基於邊緣算力與影像 RAG 之可解釋性骨齡決策系統

💡 提案簡介 骨齡評估是兒童生長發育與性早熟診斷的核心指標，但傳統圖譜判讀高度依賴醫師個人經驗，跨科判讀差距可達 6 至 20 個月。現有黑箱型 AI 缺乏透明度與不確定性邊界，難以建立臨床信任。 本團隊開發之「可解釋性骨齡決策系統」，首創以影像 RAG（檢索增強生成）架構結合邊緣算力，直接檢索與呈現 Top-20 最相似的真實臨床驗證病例，讓 AI 輸出從「猜數字」變為「看得見、可比對」的視覺化證據。系統同時具備雙層主動安全警示（高分歧與低信心自動提示），並能運行於 5 萬元級別的邊緣工作站，資料不出院、無縫融入 PACS 現有動線，為兒童臨床醫療提供高效、透明且高性價比的決策支援（CDSS）。

🌟 核心創新與競爭優勢 證據透明與可驗證（Explainable AI）： 拒絕黑箱！提供可點開比對的真實病例與多視角預測，非僅給予熱力圖或單一數字，顯著提升醫師判讀信心。 零訓練跨族群適應（Zero-Shot Retrieval）： 採用檢索式架構，欲導入新院所或異地族群時，僅需替換病例庫即可完成在地化，無須重新訓練深度學習模型。 雙層主動安全機制： 自動偵測跨庫判讀分歧（≥12個月）與相似度低（<0.85）情境，主動揭露 AI 不確定性邊界，精準攔截高風險案例。 極致輕量與資料安全： 軟體運行於約 NT$ 5 萬元的邊緣工作站，相容既有 DICOM/PACS 流程，病患資料完全留在院內，顯著降低導入與營運門檻。

📈 臨床實證與落地成果 門診實測驗證： 於台北馬偕兒科內分泌門診連續運行 825 例，零點擊採用率達 95.4%，醫師採用結果 MAE 僅 4.62 個月（低於觀察者間差異下界），99.2% 醫師回報增加診斷信心。 跨院複製實績： 已於新竹馬偕同步部署，2027 年規劃導入台東馬偕作為偏鄉醫療推廣首站。 國際學術認可： 核心專利已提出申請，並獲選為北美放射線醫學會 RSNA 2026 年會口頭發表。

👥 團隊背景與跨科陣容 本專案由馬偕醫院三位臨床科主任親自操盤與執行，實現從臨床需求、演算法開發到第一線導入的全自主研發：

黃崇堯 醫師/博士候選人（應用醫學科主任，專案總負責人）： 具 10 年以上放射科臨床經驗，NVIDIA 認證大語言模型架構師（NCP-GENL），親自研發系統架構、病例庫建置與前後端開發。 惲純和 副教授（放射線科主任）： 陽明生醫影像博士，主導骨齡影像資料清洗與放射學視角標記。 丁瑋信 醫師（兒童內分泌科主任）： 台大預醫所碩士，負責臨床實地使用驗證與介面迭代回饋。