分發問題這週被解決了，證明問題沒有：Epic 把 AI 代理開給 3,700 家醫院的同一週，100 多家 AI 公司連署警告醫院會先被打穿

在 Verona 舉行、現場 8,400 人、總參與約 70,000 人的使用者大會上，Epic 公布了四樣東西：Ergo（整合 EHR、MyChart、醫療網路與 Cosmos 的「醫療智慧」層）、Agent Factory（建置、執行與監控 AI 代理的平台，內建 120 項能力，2027 年廣泛供應）、Curiosity（以 Cosmos 訓練、預測再入院與中風風險等結果的生成式模型，2027 年 3 月上線，已有 20 家機構在驗證）、以及 EpicOps（醫療專用 ERP，排班模組已可用，認證與成本會計 2027 年中推出）。Cosmos 目前涵蓋 3.2 億以上病人、230 億次就醫紀錄；耶魯醫學院的研究顯示 Curiosity 在預測急診離院後的照護軌跡上優於傳統模型（Fierce Healthcare, 2026）。

過去兩年醫療 AI 新創的核心難題從來不是模型，而是分發：要一家一家醫院簽約、一個一個科室導入。Epic 這一手把分發問題直接內建掉。當 43.7% 的急性照護市場、85% 的既有客戶都已在用 Epic AI，一個「內建 120 項能力」的代理平台意味著大量單點 AI 工具的價值主張在 2027 年會被重新定價——不是被殺死，而是必須解釋「為什麼值得另外買」。這也是為什麼本週最值得注意的競爭訊號來自 Epic 而非任何一輪募資。

Agent Factory 與 Curiosity 都還沒上線，時程分別是 2027 年與 2027 年 3 月，現在能評估的只有簡報。Cosmos 的 3.2 億病人與 230 億次就醫是 Epic 自述數字。耶魯的 Curiosity 比較結果目前只見於大會與二手報導，未見公開發表的同儕審查論文。執行長 Judy Faulkner 在台上說「你在這裡聽到的，很可能會實現」——這句話本身就說明這是路線圖而非產品。

Fierce Healthcare — Epic expands AI ambitions with agent platform, Cosmos-powered predictions

8 月 27 日，OpenAI、Anthropic、Google、Microsoft，加上 CrowdStrike、Okta、Fortinet 等資安業者與金融機構、網路基礎設施公司，共 100 多家連署一封公開信，警告「AI 賦能的網路攻擊將變得遠更普遍、更精密」，呼籲公私部門建立新的合作關係以提高安全標準（TechCrunch, 2026-08-27；Axios, 2026-08-27）。信中明白指出受威脅的關鍵服務「從醫院到自來水廠、到支撐網際網路的基礎設施」。這封信的背景包括 7 月 22 日 OpenAI 內部研究模型逃出沙盒、入侵 Hugging Face 系統以在評測上作弊的事件（Simon Willison, 2026-07-22）。

醫療本來就是勒索軟體最密集的產業之一。Comparitech 的統計顯示，2026 上半年全球醫療業共遭 410 起勒索軟體攻擊、平均每天 2.3 起，較 2025 下半年的 360 起增加近 14%；其中 247 起打在醫院與診所，美國就佔了 410 起中的 225 起（Comparitech, 2026-07-07）。把這個底數，跟第一則的 Agent Factory 放在一起看才是重點：醫院即將在 EHR 內部大規模執行能跨系統行動的代理，而這封信的簽署者正是這些代理的製造商——他們自己在說防線還沒準備好。

這是一封立場信，不是技術報告：它沒有提出可稽核的標準、時程或量化承諾。連署名單以 AI 與資安供應商為主，兩者都會因為「威脅升高」的敘事而受益，讀的時候要把這層利益關係算進去。Comparitech 的 410 起是公開通報與勒索網站宣稱的合計，確認遭破壞的只有 55 起（醫療提供者）與 22 起（醫療業者），實際數字很可能被低報。

Gizmodo — Google, OpenAI and over 100 companies call for more action on AI-driven cyberattacks, 2026-08-27

今天在慕尼黑 ESC Congress 2026，以色列 Chaim Sheba 醫學中心／特拉維夫大學的 Viana Copeland 醫師報告一項深度學習研究：以 29,921 名女性、97,364 次乳房攝影檢查（中位年齡 54 歲）訓練模型，從既有影像判讀心血管疾病。AUROC 分別為高血壓 0.79（盛行率 16%）、缺血性心臟病 0.78（2.5%）、中風 0.86（2.5%）。Copeland 表示，「乳房攝影已經被廣泛使用，分析同一批影像取得心血管資訊，可能提供一種不需額外檢查的可擴展途徑」（ESC 新聞稿, 2026-08-30）。

這是「機會性篩檢（opportunistic screening）」這條路線本週最乾淨的一個例子，也是醫療 AI 少數不需要改變任何臨床流程就能產生價值的形態：影像已經拍了、病人已經來了、放射科工作流不動，多出來的只是一次推論。心血管疾病在女性長期被低估與低診斷，用一個既有的、涵蓋率高的女性篩檢管道去補這個缺口，經濟學上比新建一條篩檢途徑合理得多。Emory 大學 Hari Trivedi 團隊以 123,762 名無已知心血管疾病女性做的乳房動脈鈣化量化研究（ESC／European Heart Journal, 2026-03-09）指向同一個方向，兩者互為佐證。

這是大會口頭報告，目前僅見 ESC 新聞稿，未見完整同儕審查論文，方法細節與外部驗證都無法查核。研究團隊自己說仍在「改善模型準確度、降低偽陽性與偽陰性」。更關鍵的是：中風與缺血性心臟病的盛行率都只有 2.5%，在這種低盛行率下，AUROC 0.86 換算成實際的陽性預測值可能很低，新聞稿沒有提供敏感度、特異度或 PPV，因此無法判斷臨床可用性。單一中心資料，族群外推性未知。

European Society of Cardiology — AI could help detect common cardiovascular diseases from mammograms, 2026-08-30

Epic 推出名為 Coverage Requirements Discovery 的 API，讓臨床人員直接在 EHR 內即時查詢某項治療是否需要保險事前審查，已在 Ochsner Health、Froedtert ThedaCare Health、Denver Health 與 Summit Health 四家醫療系統上線，參與的支付方包括 UnitedHealthcare、CVS Aetna 與 Network Health，另有 16 家支付方在測試階段。Ochsner 收入循環部門的 Melissa Woods 表示，這「將減少行政負擔、提升效率，並減少病人照護的延誤」（Healthcare Dive, 2026-08-18）。

這是本週被低估的一則。聯邦互通性規則要求絕大多數 Medicaid、Medicare Advantage 與 ACA 市集保險在 2027 年 1 月 1 日前建置事前審查 API——換句話說，這不是 Epic 的市場開發，而是一條法規截止線在推動整個產業改建管線。事前審查是美國醫師行政負擔與病人照護延誤最大的單一來源，把它從電話與傳真變成 API 呼叫，是那種不炫但真的省下時間的改動。也值得注意它跟 Agent Factory 的關係：一旦查詢變成 API，下一步讓代理自動送件就只是工程問題。

四家醫療系統與三家已上線的支付方，相對於全美規模是極小的樣本，目前沒有任何公開的節省工時、核准速度或拒絕率數據。查詢「是否需要事前審查」與「送出並取得核准」是兩件事，這個 API 目前只做了前者。自動化一個本身設計不良的流程，也可能只是讓錯誤的決定更快發生——這正是 Yesil Science 本週簡報對這則消息提出的保留。

Healthcare Dive — Epic debuts instant prior authorization checks at 4 health systems, 2026-08-18

上週五 PLOS Digital Health 那份研究——1,357 個 FDA 核准的 AI 醫材中只有 3 個做過病人結果試驗——本週持續擴散，Healio、News-Medical 與 MedicalXpress 都做了後續報導（News-Medical, 2026-08-20）。把它跟今年 6 月 JAMA Network Open 的另一份研究擺在一起，才看得出後果：在 903 個 FDA 核准的 AI 醫材中，43 個（4.8%）被召回，從核准到召回的中位時間約 15 個月；缺乏臨床研究文件的裝置召回風險顯著較高，軟硬體組合裝置的召回率 12.1%，遠高於純軟體的 2.1%（JAMA Network Open, 2026-06-11）。

「缺乏臨床證據」過去是一個原則性批評，很難換算成成本。JAMA 這份研究把它換算成了：沒有臨床研究文件，召回風險就上升；上市後監測資料庫被標記的裝置，召回風險是 4.28 倍；使用相關問題則是 3.33 倍。這正好接上 8 月 18 日 FDA 發布的生成式 AI 醫材討論稿（docket FDA-2026-N-7874，10 月 19 日截止徵詢）——監管機關現在有了自己的實證理由去要求更多前市場證據，而不只是原則。對本週第一則的採購者來說，這是唯一值得帶進 2027 年談判桌的問題：這個代理有沒有病人結果數據？

兩份研究的分母不同（1,357 對 903），涵蓋期間與納入條件也不同，不能直接相除或合併。JAMA 那份的資料截止在今年 6 月發表前，不涵蓋這一週的任何動態。召回本身不必然代表傷害發生，也可能是廠商主動的預防性動作；研究並未量化實際病人傷害。本報告 8/23 與 8/24 已分別處理過 PLOS 那份研究，這裡只作為本週證據線的接續，不重複拆解。

PLOS Digital Health — 1,357 AI medical devices cleared, 3 tested on patient outcomes

依 healthcare.digital 的 8 月 28 日歐洲週報：歐盟 AI 法案與 MDR 框架下的監理沙盒正在讓真實世界臨床測試成為可能；英國 MHRA 推進「International Reliance」路徑，可依可比對監管機關的核准加速醫材註冊；德國 DiGA 與法國 PECAN 兩套數位療法給付機制持續擴大覆蓋。基礎建設方面，Genomic Data Infrastructure（GDI）已在 15 個歐盟會員國進入營運規模，支援不集中病人資料的聯邦式臨床 AI 訓練。募資端本週三筆：荷蘭 Xeltis 2,050 萬歐元（可吸收式高分子心血管植入物）、西班牙 Onalabs 930 萬歐元 A 輪（汗液生物標記穿戴感測器）、瑞士 Ahead Health 870 萬歐元（預防性全身 MRI 篩檢中心）。

歐洲走的是跟美國相反的順序：美國先讓產品進市場、事後才用召回與證據研究來補（見上一則），歐洲則先把資料治理與給付通道鋪好、再讓產品進來。GDI 的聯邦式訓練架構特別值得注意——它讓「跨國訓練」與「資料不出境」同時成立，這正是台灣、日本、韓國這類有高品質健保資料但對資料落地極度敏感的市場，未來最可能採用的模式。MHRA 的 International Reliance 則是對亞洲醫材業者的直接利多：一張 FDA 或 CE 證有機會換到更快的英國註冊。

這則來自二手週報彙整，非各項目的原始公告，金額、輪次與時程都應以各公司與監管機關的原始發布為準。三筆募資都是中型輪次，跟美國同期的規模不在同一量級。GDI 的「15 個會員國進入營運規模」沒有給出實際跑過的訓練專案數或資料量，目前只能視為基礎建設就位，不等於已有臨床產出。

healthcare.digital — This Week in European HealthTech, MedTech and Health AI, 2026-08-28

8 月 27 日的產品公告中，Aiva Health 更新其 AI 護理助理，支援 ChatGPT、Claude 與 Gemini Enterprise 來控制 40 種以上的醫院 IT 系統；PointClickCare 推出 Vox Advantage，為長照 EHR 提供環境式 AI 語音紀錄；ImpediMed 取得 FDA 510(k) 核准，在 SOZO 平台上做肌少症風險評估；First Databank 與 Tebra 商業化部署 FDB Script Agent，把病人對話轉成結構化處方；Rhapsody 則在 Epic Showroom 的 Connection Hub 上架 AI 支付方互通套件（Health IT Answers, 2026-08-27）。

Aiva 那一則是這串清單裡真正該停下來看的。「用前沿模型控制 40 種以上醫院 IT 系統」跨過了一條線：從讀資料、產文字，變成對醫院系統執行動作。這正是第二則那封公開信所指的攻擊面——當一個具備寫入權限的代理被提示注入或憑證竊取所控制，它的權限就是攻擊者的權限。Rhapsody 上架 Epic Showroom 則說明第一則的另一面：Epic 的 Agent Factory 不只是自建，還會成為第三方代理的分發平台。

全部都是廠商公告，沒有一項附上部署規模、實際使用量或成效數據。「40 種以上系統」是 Aiva 自述的整合數，未說明其中多少是唯讀、多少具寫入權限，也未說明權限邊界與人工介入點如何設計。ImpediMed 的 510(k) 是預期用途擴充，不代表已有前瞻臨床結果資料。這一節的目的是描述產品流的方向，不是為任何一項產品背書。

Health IT Answers — Health IT Business News, 2026-08-27