在醫療領域面臨數位轉型的重要時刻，台灣新創公司康統醫學科技（Kenkone Medical Technology）以其創新的 AI 語音生成病歷系統，為醫療工作者帶來全新的工作模式。作為台灣醫療科技創新的代表，康統不僅解決了醫護人員長久以來面臨的文書負擔，更透過精準技術提升了診療品質與病患照護。

創辦歷程與企業願景

從臨床洞察到創業藍圖

康統醫學科技於 2019 年由腸胃科專科主治醫師廖威宣醫師所創立，這個名為「Kenkone」的品牌，象徵著健康與繁榮，不僅代表公司的精神標誌，也反映創辦團隊對醫療產業帶來創新與價值的願景。廖威宣醫師在創業前已在醫界執業超過十年，深刻體會到醫療界所面臨的種種挑戰，特別是醫護人員工作負荷過重、病歷記錄耗時且時常不完整的問題。其創業靈感源自一次改變人生軌跡的日本內視鏡實習經驗。在日本慶應大學進修期間，廖醫師的指導教授告訴他：「重點不是醫師的技巧，而是你能仔細觀察、詳細記錄。」這句話在廖威宣醫師的心中引起強烈共鳴，埋下了日後創業的種子。

面對台灣與日本共同面臨的醫療人力短缺問題，廖威宣從一線臨床工作中深刻體會到醫療界所面臨的挑戰。「台灣醫師習慣過度勞累，我很多同齡醫師或者前輩，晚上八、九點下班拿著一個便當盒，坐在黑暗的病歷室寫報告。」廖威宣如此描述醫師的工作現況。在健保制度下，若病例報告未詳盡完成，醫師必須面臨每月 1 到 3 萬不等的罰款；這種情形不僅損害醫師的身心健康，也可能影響患者的照護品質。

受到哈佛教授克里斯汀《創新者的處方》一書的啟發，面對這些醫療體系的痛點，廖威宣醫師毅然決然地離開穩定且收入可觀的臨床工作，前往美國麻省理工學院 Sloan 商學院攻讀 MBA 學位。這段學習經歷為他提供了商業思維的訓練，取得學位後回國，他匯聚了一群在醫療與人工智慧等領域的專家，創立了康統醫學科技公司，致力於解決醫護過勞、病歷品質不佳以及病人醫療品質的現實問題，開始實現他改變醫療工作方式的願景。

企業文化與組織特色

康統醫學科技作為一家年輕的新創公司，擁有精實的團隊並處於快速成長期。公司位於台北市華山大草原附近，對面是假日常有農夫市集的希望廣場，整體工作氣氛活力充沛而溫暖。公司內部組織扁平，老闆充分授權，不做微管理，這種文化特別適合希望在新創環境下工作，參與具前瞻性、革命性計畫的人才。

廖威宣醫師在接受訪問時表示：「吃午餐的時候突然想起來剛剛看到的問題，但想不起來是哪個病人的，就要回頭去翻找資料，還有回想起息肉大小、位置、可能的風險與治療方式等等細節，是非常複雜的，又不能亂寫，因為沒做好會影響病人的醫療計畫與健康。」這些經驗直接影響了他對產品的設計理念。

醫療 AI 技術的應用背景

病歷記錄的困境與挑戰

在現代醫療系統中，準確且完整的醫療記錄對於提供高品質的醫療服務十分重要。然而，醫療文書工作長期以來一直是醫護人員的沉重負擔，根據統計，有超過 50% 的住院醫師每天用於寫病歷的時間在 4 小時以上，高達 1/4 的病歷記載不全、存在瑕疵或錯誤，其中有 52.3% 是可能影響治療計劃與病人健康的嚴重錯誤，而美國的外科醫師平均花費 37% 的時間在病歷文件上，導致三輸局面：醫師工作壓力增加、文書記錄品質下降、病人照護受到影響。

這些問題在外科手術等特殊場景中尤為明顯，醫師在手術執行期間無法動手寫病歷，僅能靠事後回憶，難免發生記憶錯誤或細節不清的狀況，不僅降低醫療效率，也可能導致醫療錯誤，影響病人安全。基於對這些問題的深刻理解，康統醫學科技開發了核心產品 — — 醫瓦士（EVAS）數位語音平台，旨在大幅減輕醫師的文書負擔，提升病歷品質、改善醫病關係。

AI 語音技術與醫療的結合契機

2018 年，聊天機器人等 AI 語音應用大爆發，剛從美國回國的廖威宣意識到：這正是將 AI 技術應用於醫療記錄領域的最佳時機。「當時的 NLP（自然語言處理）技術即將到位，但還沒有很成熟，所以我覺得是最好的投入時機，這樣一來才不會是 Me Too（意指大家都差不多）的產品。」廖威宣如此解釋他選擇在 2019 年創立康統醫學科技的原因。

隨著生成式 AI 技術在 2022 年後的蓬勃發展，大型語言模型的出現讓自然語言處理技術更加成熟，為康統的產品發展提供更強大的技術支持；這個時間點的選擇確實為公司帶來了先行者優勢，也讓他們能夠在 AI 醫療應用領域建立獨特的競爭力。

EVAS 系統：核心技術與功能解析

系統架構與技術原理

康統醫學科技的首創產品「EVAS 內視鏡智能醫師助理」（Endoscopy Virtual Assistant System）結合了自然語言處理、自動語音識別（ASR）和醫學專家系統等技術，這套系統可以被描述為「ChatGPT + Siri」的概念，創造出一個專為醫療場景設計的智能工作流程，透過語音指令自動生成結構化的醫療記錄。EVAS 最初主要應用於內視鏡領域，特別是原本醫師需要一邊操作內視鏡、一邊觀察和診斷、無法同時記錄發現的腸胃科檢查，傳統上醫師需要在 Procedure 後回想整個過程，將觀察到的情況寫入報告，不僅費時且容易出錯。使用 EVAS 系統後，醫師可以在手術過程中口述診斷關鍵字，系統會即時捕捉口述內容，並結合預設的結構化病歷模板，自動完成報告。

EVAS 系統的核心技術在於其能精準辨識醫學專業術語的語音辨識能力。「醫療術語都是英文，不同地方的醫師唸出來的口音都不一樣，就像我現在說話時，我有台灣口音，我們在這方面下了很多功夫。」廖威宣解釋，「你不可能直接用 Google 或 Siri 識別醫師口中的專業醫學術語。」為解決這個問題，康統醫學科技在語音辨識技術上投入大量資源，開發出能夠準確識別醫療專業術語的模型。系統能理解不同腔調的語音，正確識別各個專科的專業術語，並理解這些術語在醫療記錄中的語境和應用，例如區分數字是指病灶大小還是用藥時長等。

系統的另一個技術難點在於病歷結構化，傳統病歷是由醫師自由書寫，如果只是用 AI 單純記錄醫師所說的單詞或句子，逐字稿式的紀錄無法直接變成可用的病歷，不利於數據分析和標準化管理。要讓 AI 懂得寫病歷，需要將病歷結構化，這需要大量的病歷數據資料，才能建立正確的書寫方式、處理流程以及對應的治療方式。

近期，康統成功整合開源大語言模型（LLM），將以往累積的珍貴醫療資料與自家醫學語言模型（Medical LLM），整合至開源 LLM，使 EVAS 在摘要、關鍵詞提取、錯誤修正、病歷生成等任務上展現更卓越的效果。這項技術完全在地端運行，可確保病患數據的安全性和隱私。

三大核心功能解析

相較於一般市場上的語音識別技術，EVAS 系統專為醫療場景設計，能夠準確識別醫療專業術語，這是一般消費級語音助手如 Siri 或 Google Assistant 無法實現的功能。EVAS 系統具有三個核心功能，分別針對不同醫療場景的需求提供解決方案：

1. 語音結構化病歷：醫師在手術過程中只需口述診斷關鍵字，EVAS 系統即可自動完成報告。系統內建超過一百種疾病和手術方式的結構化病歷模板，便於累積大量數據資訊。此服務已在台灣和日本推廣應用，並已幫助日本國立癌症中心節省了 46.3% 的工作時間。
2. AI 生成式病歷：EVAS 利用生成式 AI 技術，將結構化的病歷報告轉化為流暢、易讀的敘述性文章。系統可將醫師的口述筆記轉化為詳細的敘述式報告，運用深度學習技術生成包含特定關鍵字的報告，並依照醫學標準進行編寫，確保報告符合電子病歷系統中的結構化資料需求和法規。這使病人拿到病歷可以看得懂，知道怎麼問醫師問題，不僅降低醫師寫病歷的時間壓力，更由於醫師減少了文書工作的時間，能夠將更多注意力放在診療和與病人的溝通上，從而對醫病關係的提升有明顯的助益。
3. 鏡檢配速員：根據實證醫學研究顯示，若大腸鏡檢查的總退出時間少於 6 分鐘，可能會漏掉息肉。因此，EVAS 系統提供配速員功能，透過提示醫師每一階段的檢查時間，以確保大腸鏡檢查的完整性和有效性，相關數據會即時顯示在螢幕上，幫助醫師更精準地進行診斷。

語音辨識模組是 EVAS 的基礎，專門為醫療場景優化的自動語音識別（ASR）系統，模組的核心在於專業詞彙庫，內建了大量醫療專業術語，涵蓋各個專科領域，使系統能夠準確識別諸如「胃食道逆流 GERD」、「冠狀動脈繞道手術 CABG」等專業術語，即使在快速口述或背景噪音的情況下也能保持高度準確性。此外，系統的聲學模型經過特殊訓練，能夠適應不同地區醫師的口音和發音特點，無論是台灣、日本還是其他地區的醫師，系統都能準確辨識其語音。

自然語言處理（NLP）負責對語音辨識後的文本進行深度處理，分詞和詞性標註功能能夠精確地將醫療文本分解為最小的語義單位，並識別每個詞的詞性，對於理解複雜的醫學描述相當重要。例如，在「病人出現急性腹痛，伴有噁心嘔吐」的句子中，系統能夠準確識別「急性腹痛」為症狀，「噁心嘔吐」為伴隨症狀。命名實體識別功能則能夠從文本中提取關鍵的醫學實體，如疾病名稱、藥物名稱、檢查項目等，自動識別並標記重要的醫學訊息，為後續的結構化處理奠定基礎。語義分析功能則更進一步，理解句子的深層語義結構，提取關鍵訊息和邏輯關係，例如理解「患者對 Penicillin 過敏，但對 Cyclosporin 抗生素耐受良好」等描述。

語言模型是自然語言處理系統中的一個關鍵組件，負責理解和預測語言的使用方式。EVAS 的語言模型經過特殊優化，以適應醫療領域的特殊需求，更好地理解和處理醫療人員在日常工作中使用的特殊表達方式。例如「病人呈現典型的急性闌尾炎症狀」這樣的描述包含幾個醫療語境中的特殊元素：

• 「呈現」在醫療描述中常用來表示病人出現某種症狀或體徵。
• 「典型的」在醫療語境中表示症狀符合教科書上描述的標準表現。
• 「急性闌尾炎」是個專業的醫學診斷名稱。
• 「症狀」指病人主觀感受到的不適。

EVAS 系統的語言模型能夠正確理解這句話的整體含義：病人出現了符合急性闌尾炎診斷標準的一系列症狀，包括識別專業術語（如「急性闌尾炎」）及理解整個句子的語境和隱含意義：

• 這可能是個需要緊急處理的情況（因為是「急性」的）
• 醫師可能會在病歷中詳細記錄支持這個診斷的具體症狀（如右下腹痛、發燒、噁心等）
• 可能需要進行進一步的檢查（如血液檢查、影像學檢查）來確診

結構化數據轉換模組將 NLP 處理後的文本轉換為標準化的結構化數據，核心是模板匹配功能，系統內建超過一百種疾病和手術方式的結構化病歷模板。當醫師口述診斷關鍵字時，系統能自動選擇最適合的模板，並將提取的資訊填入相應的欄位。例如，一份內視鏡檢查報告，系統會自動填寫檢查部位、發現的 Pathology、Lesion 的大小和位置等訊息。數據標準化功能則確保所有提取的資訊都符合國際醫療數據交換標準，如 HL7（Health Level Seven）或 FHIR（Fast Healthcare Interoperability Resources），提高病歷的規範性、為醫療機構間的數據交換和互操作性奠定基礎。

醫學語言模型（Medical LLM）是專門針對醫療領域開發的大型語言模型，模型的預訓練階段使用了大量的醫學文獻和真實病歷數據，使其能夠深入理解醫學知識和專業表達方式。例如，模型能夠理解「GERD」是「胃食道逆流病」的縮寫，並了解其症狀、診斷標準和治療方法。模型的微調功能允許根據特定醫院或科室的需求進行個性化調整，例如可以根據某個特定醫師的書寫風格來調整生成的報告。推理引擎則基於醫學知識圖譜和規則庫，能夠進行複雜的醫學邏輯推理。例如輸入一系列症狀和檢查結果時，系統能夠給出可能的診斷建議，並解釋推理過程。

生成式 AI 模組是 EVAS 系統的輸出端，負責將結構化數據轉換為流暢的敘述性文本，使用的序列到序列（Seq2Seq）模型，能夠將結構化的醫療數據轉換為自然、專業的醫學描述。例如，將「胃鏡檢查結果：食道正常，胃竇部發現 1.5cm 潰瘍」這樣的結構化數據，轉換為「胃鏡檢查顯示食道未見明顯異常。在胃竇部發現一處直徑約 1.5 厘米的潰瘍性病變，邊緣整齊，基底清潔」等敘述性描述。風格調整功能則能根據不同醫師的個人偏好，調整生成文本的表達方式，例如有的醫師可能偏好簡潔的描述，而有的可能喜歡更詳細的解釋。

前面的例子再做詳細解釋，序列到序列（Sequence-to-Sequence）模型是種深度學習架構，專門用於處理輸入序列到輸出序列的轉換任務。EVAS 系統中用來將結構化的醫療數據轉換為流暢的敘述性文本，過程可被視為一種「翻譯」，將機器可讀的數據格式轉換為人類可讀的自然語言描述：

1. 輸入處理：首先，結構化的醫療數據會被轉換為模型可以理解的輸入序列。例如一個內視鏡檢查的結構化數據可能包括檢查部位、發現的 Lesion、Lesion 的大小和位置等訊息，都會被編碼為一個特定格式的序列。
2. 編碼過程：Seq2Seq 模型的編碼器部分會處理這個輸入序列，將其轉換為一個高維向量表示，這個向量包含了輸入數據的關鍵資訊。
3. 解碼過程：模型的解碼器部分會根據編碼得到的向量，逐步生成輸出序列，也就是自然語言描述。過程中，模型會考慮醫學術語的正確使用、語法結構的合理性、以及整體描述的流暢性。
4. 輸出生成：最後模型會輸出一段完整、符合醫學專業要求的敘述性文本。

舉個具體例子，假設輸入的結構化數據是：

{
 “檢查部位”: “胃”,
 “病變類型”: “潰瘍”,
 “位置”: “胃竇部”,
 “大小”: “1.5cm”,
 “特徵”: [“邊緣整齊”, “基底清潔”]
 }

Seq2Seq 模型可能會將這些數據轉換為如下的敘述性文本：

「胃鏡檢查顯示，在胃竇部發現一處直徑約 1.5 厘米的潰瘍性病變。該病變邊緣整齊，基底清潔，未見明顯出血或滲出。」

轉換過程體現 Seq2Seq 模型的幾個優勢：

1. 語言流暢性：生成文本符合自然語言的表達習慣，而不是簡單的數據羅列。
2. 專業性：模型能夠正確使用醫學術語，如「潰瘍性病變」、「胃竇部」等。
3. 訊息完整性：轉換後的文本包含了原始數據中的所有關鍵資訊。
4. 邏輯性：描述的順序符合醫療報告的慣例，從檢查部位到具體發現，再到病變特徵。
5. 靈活性：模型可以處理不同類型的醫療數據，生成相應的描述，不限於特定的模板。

使用 Seq2Seq 模型能夠將機械化的結構化數據轉換為專業、流暢、易於理解的醫學描述，提高醫療記錄的品質和可讀性。

本地化運算架構是 EVAS 系統的重要特色，旨在保護病人隱私和數據安全，系統採用邊緣計算技術，將主要的計算任務在本地設備上完成，減少敏感醫療數據的傳輸。例如，語音識別和自然語言處理等核心功能都在本地設備上進行，只有必要的去識別化數據才會傳輸到雲端。為了做到本地運算，系統採用模型壓縮（Model Compression）技術，包括模型量化（Model Quantization）和剪枝（Pruning），將原本需要大量計算資源的 AI 模型壓縮到能夠在普通醫療設備上運行的規模。此外，系統支持增量學習（Incremental Learning），能夠在本地根據新的數據不斷優化模型性能，而不需要重新訓練整個模型，例如根據特定醫師的使用習慣來改進語音識別的準確率。

• 模型量化是指將模型的權重（Weight）和激活值（Activation）從高精度（High Precision）（如 32 位浮點數，32-bit Floating Point。高精度常見有 FP32 / FP16）轉換為低精度（Low Precision）表示（如 8 位整數，8-bit Integer。低精度常見有 INT8 / INT4），可以顯著減少模型的存儲需求和計算複雜度，同時盡量保持模型的準確性。例如，將 32 位浮點數轉換為 8 位整數（Quantizing Weights and Activations from FP32 to INT8）可以將模型大小減少 75%，並加快推理速度。
• 剪枝技術則透過移除模型中冗餘或不重要的參數來減小模型規模，包括移除權重接近零的連接、對模型貢獻不大的神經元，甚至整個 Layer。剪枝不僅可以減小模型大小，還能提高推理速度。用這些壓縮技術 EVAS 系統能夠將原本需要強大計算資源的 AI 模型縮小到可以在普通醫療設備上運行的規模，實現邊緣計算，減少數據傳輸需求。
• 增量學習允許模型在接收新數據時持續更新和改進，而不需要重新訓練整個模型，特別適合醫療環境，因為它能夠適應新的醫療數據和趨勢，不斷優化模型性能、可以在保護病患隱私的同時，利用新數據改進模型、即使在網絡連接有限的情況下，設備也能持續學習和改進。增量學習使 EVAS 能根據每個醫療機構或醫生的特定需求和使用模式不斷調整和優化，提供更個別化和準確的服務。

使用流程與操作體驗

EVAS 系統的使用流程經過精心設計，確保醫師能夠輕鬆上手。廖威宣表示，了解醫師的工作習慣非常重要，「例如某些醫學專用術語只要用說的，醫瓦士就可以辨識該詞屬於用藥還是病症的欄位，如果是數字的話則要先說出指令，例如『大小』，這樣醫瓦士才不會誤將數字填寫進用藥時長等不同欄位。」

日本國立癌症中心齋藤豊主任醫師在使用 EVAS 後表示，這是一個革命性的工具，能夠極大地提高腸胃內視鏡手術報告的速度。醫師能夠在手術過程中立即口語記錄詳細手術發現，無需事後花費大量時間回想和撰寫報告。齋藤主任自信地表示，他只用了三個案例就熟練掌握了 EVAS 的使用技巧。極佳的使用體驗來自於系統的人性化設計以及對醫療工作流程的深刻理解，廖威宣作為有十年臨床經驗的醫師，能夠準確識別醫師在工作中的痛點，並設計出真正能夠解決問題的解決方案。

醫師客製化模型訓練與應用

康統的技術允許進行模型微調，可以根據少量醫師的病歷報告範例進行客製化調整，可以說每位醫師都能擁有一個完全符合個人風格和需求的量身訂製 GPT 模型。無論是語言風格還是專業術語的使用，系統都能精確符合每位醫師的獨特要求，從而提高工作效率並減輕工作負擔。

康統醫學科技還開發多媒體病歷功能，能夠在術後自動生成包含文字、圖像和其他媒體形式的綜合報告；多維度的病歷不僅有助於醫師更全面地回顧手術過程，也為病人提供了更直觀、易於理解的醫療記錄。

市場戰略與商業模式

現有客戶與市場滲透

康統醫學科技的目標市場主要是醫療機構，包括大型醫學中心、區域醫院和專科診所。採用機台數為單位的訂閱制模式，向醫學中心及醫院推廣其 EVAS 系統，提供了穩定的營收流，同時降低客戶的初始投入成本，有利於產品的推廣和採用。目前，包含秀傳醫院、新竹台大分院、天晟醫院在內的醫院都已經是康統醫學科技的客戶。台中榮總醫院、林口長庚醫院和日本國立癌症研究中心中央醫院則是進行不同程度的整合與合作。2023 年 12 月，康統醫學科技與國泰綜合醫院正式簽訂合約，將導入EVAS系統，這也是台北首家醫學中心建置該系統，標誌康統在台灣醫療市場的進一步拓展，嘉惠大台北地區的病人。

國際市場擴張策略

康統醫學科技的國際化戰略首先鎖定日本市場，作為世界內視鏡治療技術領先的國家，日本是康統拓展國際市場的第一站。已經在日本排名第一的癌症醫院：國立癌症研究中心中央醫院部署的 EVAS 系統獲得了該院內視鏡中心齋藤豊主任醫師的高度讚譽，大大增強康統在日本市場的信譽和競爭力。根據廖威宣的說法，康統醫學科技的目標是前進腸胃科內視鏡手術前兩大的市場：日本以及美國，並希望找到策略合作夥伴加速進入海外市場的速度，反映了公司在全球市場布局上的遠見和雄心。

差異化競爭戰略

面對企業軟體巨擘甲骨文（Oracle）於 2021 年底收購電子病歷大廠 Cerner，試圖把語音辨識導入電子醫材的競爭壓力，康統醫學科技採取了差異化的競爭戰略。廖威宣指出，當前的競爭者大多是處理一般門診的 AI 病歷，而康統醫學科技則專注在更困難的手術場景，是個差異化的利基市場。「AI 門檻下降了，但是醫療的門檻不變，重要的還是產業 Know-how。」廖威宣說，不同腔調的語音訓練、不同科別的專業術語變化極大，目前康統醫學科技除了腸胃手術專科，還進入了牙科領域，逐步擴大先行者優勢。

投資價值與未來發展

市場潛力與增長前景

康統的 EVAS 系統已為合作醫院的醫師節省了 67% 的工作時間，顯著的效益提升為產品的推廣提供有力的證據支持。隨著醫療機構對提高工作效率和減輕醫護人員負擔的需求增加，康統的解決方案有望獲得更廣泛的市場接受。

戰略投資與合作夥伴

康統醫學科技的融資歷程相對低調，公開資料有限。公司曾參與並獲得「林口新創園國際創業家大賽 Startup Terrace Global Hack 2020」的 MedTech 創業獎。此外據報導，公司近期已吸引了台灣兩家醫院集團的投資，引起了創投圈資金的高度關注，反映醫療機構對其技術和價值主張的認可。戰略投資不僅提供資金，還為康統提供寶貴的產業資源和人脈渠道。基於對 EVAS 的高度肯定，日本國立癌症研究中心的齋藤豊主任邀請康統醫學科技與其創辦人廖威宣醫師，加入該醫院的 MIRAI Project，這個計畫專注於醫療人工智能和機器人技術，被認為是未來醫療領域的重要發展方向。這次合作證明康統在臨床洞察的精準度與價值願景的高度，已獲得世界級醫院與跨國意見領袖的認可。

技術路線圖與未來規劃

康統醫學科技未來的技術發展方向包括進一步強化其 AI 語音識別技術，特別是針對不同地區醫師的口音和不同醫學專科的專業術語進行優化。此外，隨著大型語言模型技術的不斷進步，康統也將持續增強其生成式 AI 病歷的能力，進一步提升病歷的準確性和可讀性。在市場拓展方面，康統計劃擴大在台灣的市場佔有率，同時加速進入日本和美國市場。公司正與美日一級龍頭醫院洽談示範醫院的建立，為其國際化戰略提供重要支持。

投資考量與風險分析

投資亮點與價值主張

對於考慮投資康統醫學科技的夥伴來說，以下幾點是值得關注的投資亮點：

1. 技術先行優勢：康統醫學科技在醫療 AI 語音識別和病歷結構化領域擁有先行者優勢，其 EVAS 系統已經在多家醫院成功實施並獲得認可。
2. 專業團隊背景：創辦人廖威宣醫師擁有深厚的醫學背景和管理教育，團隊匯集醫療和 AI 領域的專家，跨領域的專業背景為公司提供獨特的競爭力。
3. 明確的市場需求：醫療記錄的效率和準確性是全球醫療機構面臨的共同挑戰，EVAS 系統針對此需求提供有效的解決方案，市場接受度高。
4. 國際拓展潛力：公司已成功進入日本市場，並計劃拓展至美國，顯示其解決方案的國際適用性和市場潛力。
5. 經過驗證的效益：在日本國立癌症中心的應用顯示，EVAS 系統可以節省高達 46.3% 的病歷報告時間；在台灣的合作醫院中，系統幫助醫師節省了約 67% 的寫病歷時間，明確的效益證明是產品價值的有力支持。

潛在風險與挑戰

同時，投資者也應該意識到以下潛在風險和挑戰：

1. 競爭加劇：隨著大型科技公司和企業軟體巨頭進入醫療 AI 領域，康統將面臨更激烈的競爭。雖然他們目前在手術場景中擁有差異化優勢，但這種優勢可能會隨著競爭對手的進步而減弱。
2. 監管合規風險：醫療數據涉及患者隱私和安全，各國對醫療 AI 系統的監管要求可能會增加，可能會影響產品的部署和推廣。
3. 技術依賴風險：作為一家 AI 技術公司，康統的競爭力很大程度上依賴於其技術的先進性。隨著 AI 技術的快速發展，保持技術領先需要持續的大量研發投入。
4. 國際化挑戰：不同國家和地區的醫療系統、語言和文化差異可能會對康統的國際化戰略造成挑戰，需要更多的在地化適應和調整。

結論與展望

康統醫學科技作為醫療 AI 領域的創新者，已成功開發 EVAS 內視鏡智能醫師助理系統，為醫師提供高效、準確的病歷生成解決方案。藉由結合語音辨識、自然語言處理和大型語言模型等技術，EVAS 系統大幅提升醫療記錄的效率和品質，為醫護人員減輕文書負擔，同時也提高醫療服務的整體水準。

公司從台灣本土市場起步，已成功進入日本市場，並計劃拓展至美國，展現良好的國際化潛力。與此同時，康統也面臨著競爭加劇、監管變化和技術更新等挑戰，需要保持創新和靈活性以維持競爭優勢。

作為一家專注於醫療 AI 的新創公司，康統醫學科技代表了醫療科技創新的發展方向，其成功與否將不僅對公司本身具有重大意義，也將對醫療服務的未來發展產生深遠影響。對於關注醫療科技發展的投資者來說，康統提供兼具社會價值和商業潛力的投資機會，值得密切關注。

隨著 AI 技術的持續發展和醫療需求的不斷演變，康統有望進一步擴展其產品線，深化在現有市場的滲透，並探索新的應用場景，從而實現長期可持續的增長。在數位健康和智慧醫療的大趨勢下，康統醫學科技有望成為台灣醫療科技創新的代表，為全球醫療服務的提升做出積極貢獻。

— –

📒 Compiled by — 台中慈濟醫院復健科 R3 陳佳菁醫師 Sigrid Chen, PM&R Resident Physician at Taichung Tzu Chi Hospital, Taiwan; Former Medical Consultant at ASUS Intelligent Cloud Services.