「AWS Hero Song」助MediCAM用AI解醫病問題

「AWS Hero Song」團隊結合邊緣運算與生成式AI，打造醫病溝通系統MediCAM，獲研華科技邊雲智控組優勝。DIGITIMES攝

近年醫療糾紛時有所聞，根據台灣病人安全資訊網統計，將近1/3的醫療事件源自於醫療人員團隊與病患、家屬溝通不良，當病床前的醫生與焦急等候的家屬之間存在巨大的資訊鴻溝時，誤解與不信任便隨之產生。

在第二屆「雲湧智生：臺灣生成式AI應用黑客松」中，「AWS Hero Song」團隊提出了結合邊緣運算與AI技術的創新解方，為醫病溝通開闢新的可能性，獲得研華科技邊雲智控組優勝。

「AWS Hero Song」團隊（又稱「黑肉鬆」團隊）成員來自清華大學資訊工程系，他們深入分析後發現，醫療現場面臨兩大關鍵痛點，首先是醫生與家屬之間存在嚴重的資訊落差，家屬無法掌握完整的診斷與治療說明，導致醫療安全風險上升；其次是由於無法即時了解病情與醫囑，家屬常感焦慮不安，醫病關係因而緊繃。

針對上述痛點，團隊開發出「MediCAM」，這套系統運用研華科技的工業AI攝影機（ICAM）與Amazon Web Services（AWS）雲端服務，結合生成式AI技術的創新醫療溝通系統。

MediCAM擁有四大核心功能：一是「即時影像串流」，讓家屬能夠遠端即時觀看病患現況；二是「自動總結醫囑」，系統會錄音醫生的說明，轉成文字並自動摘要成易懂的內容；三是「病況即問即答」，家屬可直接透過自然語言向系統詢問病患情況，獲得基於實際醫囑資料的專業回覆；四是「AI病況日報」，每天自動生成病患情況簡報，協助家屬清晰追蹤復原進度。這套系統不僅能消弭資訊不對等的鴻溝，更能建立醫病雙方的互信基礎，大幅降低溝通不良導致的醫療風險。

MediCAM的技術架構完整，涵蓋了邊緣運算與雲端AI的結合。在病床旁，團隊部署了Advantech ICAM AI攝影機邊緣裝置，負責收集現場影像與語音資料。系統運用機器學習服務Amazon SageMaker搭配 Whisper模型進行語音辨識（Voice to Text），將醫生說明轉為文字。

同時透過Yolo＋FaceNet技術進行人臉辨識與醫師身份確認，確保資訊來源的權威性。在文本處理方面，團隊使用生成式AI基礎模型託管服務 Amazon Bedrock的Amazon Nova Pro負責醫囑摘要與智能問答功能，並建置 RAG（檢索增強生成）架構，確保回答的精準度與可靠性。

所有數據皆進行加密與安全傳輸，保障病患隱私。AWS 雲端服務則提供了串流、存取與安全管理的可靠後盾，使得系統能夠穩定處理大量影像、音訊與文字資料。

「AWS Hero Song」團隊憑藉兼具創意與實用性的MediCAM，在研華科技命題組別中脫穎而出。評審表示，此系統具備多項優勢：高度即時性讓家屬可第一時間掌握病患情況；資訊透明且客觀，醫囑自動轉錄與摘要避免資訊遺漏或曲解；自然互動體驗使用者僅需以日常語言提問即可獲得回答，大幅降低理解門檻。

此外，系統以AWS雲端服務為基礎，能快速擴展至多院區部署。此系統不僅能有效降低醫病溝通不良的機率，更為台灣醫療體系導入AI應用開創了新的可能。