臺北醫學大學致力於推動體系內附屬醫院的醫療資訊系統發展與整合，於2013年整合萬芳醫院資訊系統、2014年整合附設醫院資訊系統，近十年來更積極發想與建置多領域的資訊系統，以因應醫療機構所處環境的複雜化與競爭化，期能以更正確而迅速的醫療服務，符應人們對醫療的需求。
自2024年1月起，北醫大正式邁入醫療資訊系統升級的第二階段，積極尋求和支持有關生成式AI的研究計畫，並將其研究成果實際導入院內系統，進一步深化醫療資訊系統應用。
這些計畫的實施不僅是理論上的突破，更在實際應用中為我們的系統帶來實質的提升，目前已有初步的成果顯示可以大幅降低臨床與護理同仁的工作負荷。同時，我們也在醫療影像分析領域積極投入研究與開發。透過大量醫療影像資料進行深度學習模型訓練，AI系統已初步展現自動標註影像異常部位的潛力，可在乳房超音波影像中自動圈選出潛在病灶，協助醫師進行初步判讀與診斷。此技術仍在持續優化與驗證階段，未來預期能進一步提升判讀效率並減少遺漏風險，展現生成式AI在醫療實務應用上的發展潛力。
同時，我們也在醫療影像分析領域積極投入研究與開發。透過大量醫療影像資料進行深度學習模型訓練，AI系統已初步展現自動標註影像異常部位的潛力，可在乳房超音波影像中自動圈選出潛在病灶，協助醫師進行初步判讀與診斷。此技術仍在持續優化與驗證階段，未來預期能進一步提升判讀效率並減少遺漏風險，展現生成式AI在醫療實務應用上的發展潛力。
然而，面對衛福部自2024年啟動的「次世代數位醫療資訊系統升級計畫」我們清楚認知人工智慧科技已巍然成形，數位轉型之應用已漸次導入至醫療場域，未來的十年中，醫療AI將全面走入日常工作中。面對當前的挑戰，現有體系內的醫療資訊系統架構已過於老舊，囿於程式語言限制，新型態系統發展困難，而為因應時效委外開發的比例不斷增加，亦導致各院系統維護不易，大量重工，且無法與國際接軌。
