精準大腸癌篩檢

• 在大腸癌的「次段預防」階段，透過糞便潛血免疫法（FIT）實現低侵入性且具規模化潛力的精準篩檢，能有效偵測出具有進行性腺瘤與早期癌變風險的個體。結合糞便DNA檢測與腸鏡檢查，可進一步依據風險層級進行個別化篩檢間隔與介入時機的調整，實現以風險為基礎的精準篩檢策略。

以糞便潛血濃度及遺傳易感性風險分層制定精準篩檢間隔及監測

• 糞便潛血濃度愈高，罹癌與死亡風險愈大，具劑量效應關係。精準篩檢可先依糞便潛血濃度及遺傳風險因子進行大腸癌風險分層，調整篩檢間隔。建議高風險族群每年篩檢，低風險者可延長至3至4年，達成精準監測與預防。

以風險為導向為主之精準篩檢政策

• 以風險為導向大腸癌精準篩檢政策，依糞便潛血濃度分層篩檢族群風險，調整篩檢間隔。低風險者(潛血濃度≦50 ng/mL)建議每6年篩檢，高風險者(潛血濃度≧250 ng/mL )則縮短至每0.5–1年，其篩檢效益與傳統兩年一次相當。

個人化篩檢減少臨床負擔及過度診斷且節省成本

• 個人化大腸癌篩檢可依風險分層調整篩檢間隔，達到降低死亡率、減少49%篩檢次數與28%大腸鏡使用，並大幅減少可能的過度偵測(321降至41例)，透過機器學習模型演算證明精準篩檢可提升效益並節省醫療成本。

精準互動腎臟健康諮詢管理: KidneyOnline

• KidneyOnline 為結合 AI 腎臟健康管理平台，透過病患端應用程式，整合檢驗結果上傳、健康教育與疾病追蹤功能。其核心包含五大服務：檢驗解讀與生活建議、定期檢查評估、早期預警、即時問答及個人化決策建議。此平台強調精準、互動與即時性，有助於提升慢性腎病患者的自我管理與照護品質。

AI大型語言慢性病預防

• AI 大型語言模型結合精準數據分析、個人化互動諮詢與智慧穿戴裝置的多模態資料整合，實現慢性病預防與健康管理。藉由多模態代理功能導入醫療資料可分析心率、睡眠與運動數據，建議生活型態相關問題，並結合手環、眼鏡、鞋墊等即時健康IoT感測器進行全面監測，協助使用者調整習慣、降低慢性病風險。

個人化健康大型語模助手應用

• 結合穿戴裝置數據與臨床指標可建構個人化健康華生助手智慧健康管理系統，即時評估個人健康狀態、預測慢性病風險，並提供精準化建議。針對腎臟、血壓、心律與代謝指標進行分析，協助判斷是否適用特定藥物 (如 GLP-1a)，並提出生活型態調整建議。透過「思考規劃－實證生成－健康推理」的流程，提供實證導向的個人化預防與照護策略。

AI慢性病演算法大型語言模型互動強化

• 個人化健康互動助理以使用者為中心的健康諮詢與建議。從使用者提出健康見解問題開始，透過範例提示設計，進行思考與規畫，並進入往復互動式理解階段。AI模型可結合多模態IoT健康資料，運用實證代碼生成、資料搜尋與分析，提供具體建議。例如針對心律改善問題，系統會比較過去與現在的心律資料、自動撰寫分析程式碼、搜尋改善建議 (如有氧運動)，並給出簡明實際回應。

大型語言模型血壓改善健康決策

• 系統比較前後3個月血壓變化與生活型態，發現血壓從132.3/75.2上升至139.2/85.7，提供使用者建議恢復規律運動、減壓並搭配地中海飲食，以改善血壓控制。

LLM實證代碼生成-動態高血壓預測

• 針對具有肥胖、高膽固醇、尿酸異常、飲酒習慣與家族史等危險因子的個案，透過思考規劃、實證代碼生成、實證結果流程，模擬其未來5年內的血壓進展路徑與罹病風險。依據高血壓進程AI可評估其演變至心血管疾病甚至死亡的風險，有助於及早介入與風險溝通。

AI個人化高血壓預測

• 以55歲中風險男性用戶個人化高血壓發展預測為例。該用戶具肥胖、高膽固醇、高尿酸、飲酒習慣及家族病史等風險因子。根據AI預測模型，未來5年內有78% 機率發展為第一期高血壓，並有20% 機率進入第二期高血壓。圖中血壓進展曲線呈現出從正常血壓逐漸轉變為高血壓不同階段的動態變化。

大型語言模型血壓改善健康建議與決策

• 針對飲食中鈉含量偏高、已有基本運動習慣的個案，系統建議採取地中海飲食與低鈉飲食，有助於有效降低血壓。同時建議增加有氧運動強度(如腳踏車)與肌力訓練，以恢復健康生活型態，並持續監測血壓與壓力變化，作為調整依據。整體策略以生活型態介入為核心。