按 Enter 到主內容區
:::

📢 活動簡介

衛生福利部資訊處謹訂於 2025年 7月24日(星期四),於Bio Asia亞洲生技大展假台北南港展覽館1館4樓402 AB,舉辦「臺灣臨床AI取證驗證中心聯合啟動大會暨國際研討會 - Taiwan’s Trusted AI Model: Real-World Population Data for External Healthcare AI Validation」。隨著人工智慧技術蓬勃發展,如何消除 AI 偏見、創造公平且可信的醫療 AI,已成為全球關注的重要課題。為此,衛福部資訊處攜手國內四家頂尖醫學中心,共同推動「臨床 AI 取證驗證中心」,期望建立一套制度化、透明且安全的臨床驗證流程,協助 AI 產品在多中心場域中完成外部驗證,加速其合規導入與臨床應用。本次研討會聚焦「臨床 AI 取證驗證中心」之制度設計、推動挑戰與實務成果,全面展現我國獨創的多中心外部驗證模式。

📅 活動資訊

  • 時間:2025年7月24日(星期四)9:20 – 10:20 (採邀請制,不對外開放) ;10:30 – 16:35 (10:20-10:30入場) 
  • 地點:台北南港展覽館1館4樓402 AB
  • 主題:Taiwan’s Trusted AI Model: Real-World Population Data for External Healthcare AI Validation
     

🎤 國際講者與主題介紹

Yu Shyr 教授

演講主題:Statistical Best Practices for External Validation and Regulatory Success

現職:美國范德堡大學醫學院 Harold L. Moses 癌症研究講座教授、生物統計系主任、定量科學中心主任

石瑜教授是全球生物統計與精準醫療領域的重要學者與實踐者,現任美國范德堡大學醫學院 Harold L. Moses 癌症研究講座教授,兼任生物統計系與定量科學中心主任。三十餘年來,他深耕癌症研究、高維資料分析與臨床試驗設計,致力推動資料科學與臨床醫療的整合,對國際醫療轉型發展貢獻卓著。

石教授分別於美國密西根州立大學與密西根大學取得統計碩士與生物統計博士學位。1994 年起加入范德堡大學,主導該校生物統計領域自附屬單位轉型為獨立系所,並創設定量科學中心與 VANGARD 計畫,建立跨領域協作的典範平台。

他主持多項國家級研究計畫,包括美國國家癌症研究院(NCI)「Barrett’s Esophagus Translational Research Network」與美國國衛院(NIH)「All of Us 精準醫療計畫」,推動全國健康與基因資料標準化與應用。他所提出的「Big Data → Smart Data → Actionable Data」模式,為精準醫療實踐提供嶄新架構,廣受國際肯定。

石教授發表逾 500 篇國際期刊論文,h-index 超過 110,並為美國統計學會(ASA)、美國科學促進會(AAAS)、美國癌症研究協會(AACR)院士,長期擔任 FDA 與 NCI 等機構之法規與臨床研究顧問,具備豐富的制度設計與政策經驗。多年來,石教授積極參與臺美學術合作與人才交流,曾多次返臺授課與演講,並擔任多所臺灣大學之講座教授,亦曾擔任行政院生技產業策略諮議委員,對我國健康資料政策與智慧醫療發展具深遠影響。

 

Jean Feng 教授

演講主題:External Validation of Clinical AI Models: Addressing Performance Decay and Domain Shift

現職:加州大學舊金山分校(UCSF)流行病學與生物統計學系 副教授

Feng 教授是臨床人工智慧(AI)安全性與演算法監管領域備受矚目的新生代學者,現任加州大學舊金山分校(UCSF)流行病學與生物統計學系副教授。她結合電腦科學與統計學的專業背景,致力於開發具備穩定性、公平性與可解釋性的機器學習方法,推動 AI 技術於實際臨床環境中的安全落地,對智慧醫療發展具有深遠影響。

Feng 教授先後於史丹佛大學取得電腦科學學士與碩士學位,並於華盛頓大學取得生物統計博士學位,研究重點涵蓋高維資料分析與機器學習理論。2020 年加入 UCSF 任教,並擔任 UCSF–UC Berkeley 聯合精準健康計畫及美國食品藥物管理局(FDA)所屬卓越法規科學中心(CERSI)之研究主持人,專注於臨床 AI 系統的開發、監管與實務應用。

她的研究聚焦於提升 AI 模型於臨床部署時的安全性與公平性,並與 UCSF 醫療體系及 Zuckerberg San Francisco General Hospital 長期合作,針對 AI 在敗血症預測、癌症治療及再入院風險管理等應用場景,建立涵蓋模型建構、部署與持續監控的完整流程。她特別強調,臨床 AI 系統應具備「可持續監控與再校準」的能力,以因應族群差異與醫療現場的變動性,確保模型長期可用與可信賴。

作為 CERSI 的核心研究人員,Feng 教授積極參與美國 FDA「持續學習型醫療 AI 裝置」監管機制的設計,為醫療 AI 之審查準則提供重要學術支撐。她所提出的不確定性量化、偏誤偵測與公平性評估方法,為高風險臨床場域中的 AI 部署奠定科學基礎,並引起國際廣泛關注。

其研究成果發表於《NEJM AI》、《JAMA》、《JAMA Oncology》等國際頂尖期刊,並受邀於 NeurIPS、AISTATS、CHIL 等全球重量級學術會議發表。她亦為多個學術期刊與國際會議的審稿人與委員,積極推動跨領域研究合作與規範建立。在教學與人才培育方面,Feng 教授同樣深具熱忱,於 UCSF 指導碩博士生與博士後研究員,並開設醫療資料科學與公平性導向的機器學習課程,致力於培養兼具臨床視野與技術實力的跨域人才。

Feng 教授不僅是人工智慧技術的研發者,更是臨床應用與政策監管的積極參與者。她以堅實的專業實力與前瞻的學術視野,為建構可信賴、可持續的智慧醫療體系樹立國際典範。

  • 發布日期:
  • 更新日期: