1AI 教育與跨域人才培育
讓醫師、醫事人員、研究者、資訊工程師、醫療管理人才與學生建立共同語言。規劃 AI 素養、實作工作坊、研究方法與治理課程，促進醫療專業與技術人才相互理解。
既有臨床路徑規劃 Level 1 AI literacy → Level 2 Clinical AI builder → Level 3 Clinical AI leader；其為 Medical AI 教育的一部分。擴充課綱、完課證明、認證政策與效期仍待相關委員會審定。
對應專案：P-20 學會營運平台
課表與報名籌備中
2醫療 AI 研究與可信任證據
促進醫療人工智慧與醫療資料科學研究，建立共同規格、評估指標與跨機構協作。不同用途需要不同證據：研究可重現性、教育成效、管理流程改善與臨床安全，不能只用同一模型分數判定。
單院模型難外推，跨院驗證是可信任臨床 AI 的重要方法。P-12 與 P-13 目前以合成院區資料進行聯邦驗證及影子運行 drill，探索各院本地執行、只回傳彙總統計的架構；尚未構成真實多院 retrospective validation、silent prospective trial 或 regulatory-grade evidence。
對應專案：P-11 CQL 規則庫P-12 聯邦驗證P-13 沉默前瞻試驗P-14 Model Card 註冊中心
3醫療應用、品質與流程改善
以實際需求與人機協作為起點，工作方向涵蓋臨床照護、健康促進、醫療品質、病人安全與醫療管理。先釐清預期用途、受益者、流程負擔與評估方式，再決定適合的 AI 方法。
先「工作流」再「模型」；規則為骨、LLM 為肉。第一批 v0.1 prototypes 聚焦文書減負與心血管 CDSS；目前使用 draft 規則、mock、golden sets 與合成資料驗證工程流程，尚未完成臨床委員會審定或真實臨床部署。設計邊界仍是只做提示與摘要，不自動開藥、不自動下醫囑。
對應專案：P-06 診前 SOAPP-07 門診摘要P-08 心衰 GDMTP-09 AF 抗凝P-10 CAD/ACS 二級預防P-11 CQL 規則庫
4治理、政策與創新轉譯
以資料治理、倫理、隱私與學術獨立性支持研究及產學合作，推動政策交流與負責任的成果擴散。Medical AI 並非都屬於 SaMD；涉及醫療器材的應用須依其預期用途進行適當評估，詳見法規與研究責任邊界。
既有 SaMD 路徑的 P-17 與 P-18 目前是 Docs-as-Code 文件骨架與合成 drift drill，並非可直接送審的文件或正式監測服務；不代表已經法規顧問審定、TFDA 送件／核准或完成上市後監測部署。合作亦須遵守D-03 角色分離與利益衝突管理。
對應專案：P-17 SaMD 文件產生器P-18 上市後監測
5安全數位基礎設施與 Agent/MCP
可重複使用的數位工具可支援研究、教育、知識管理與學會行政，也可在更嚴格的核准條件下探索臨床用途。權限最小化、來源可追溯、人類監督與資料保護是共同設計要求；涉及病人資料時仍須維持資料不出院的既有邊界。
Agent 與 MCP 必須「高度管制地前瞻」。P-15 與 P-16 目前以 internal checklist、static scan、signing tests 與合成 red-team attacks 驗證 v0.1 prototypes；internal review 不等於外部安全認證，也尚未部署臨床 MCP 倉儲或 production agent runtime。安全審查、簽章工具 allowlist、權限分級、稽核與 physician confirmation 是後續臨床導入的必要目標架構。
對應專案：P-01 PHI 清洗閘道P-02 FHIR 最小化P-03 稽核帳本P-15 MCP/skill 倉儲P-16 臨床 agent 執行框架