術語速查

受美國法規保護的病患健康資訊，是本場資料限制的核心來源。

Protected Health Information，受法規保護的病人健康資料；這場演講的重點之一，就是怎麼在架構層面讓它從一開始就不落地。

Protected Health Information，受法規保護的病患健康資料，存取要有明確必要性。

專門把醫病對話轉成病歷紀錄與臨床決策工具的 AI 公司，講者任職的公司。

前一場演講提到的公司，這場演講開場只帶過一句，沒有進一步說明它做什麼。

服務健康保險的臨床 AI 公司，由 Sequoia、NEA 投資，本場講者任職的公司。

Saul Howard 擔任工程副總的紐約新創，產品是賣給美國健保公司的 agentic AI。

Electronic Health Record，電子病歷系統，Abridge 從中讀取病人既有紀錄。

Electronic Health Record，電子病歷系統，存放病患的醫療紀錄。

X12 的資格查詢交易代號，用來向保險公司詢問病患是否有保險資格。

X12 用來附加補充文件（例如影像）的交易代號，講者以此對應理賠時上傳的醫療影像。

X12 的給付說明（EOB）交易代號，保險公司用它通知已經付款與付款明細。

美國的自殺／危機專線號碼，演講中以「偵測到自傷意念要直接轉 911 或 988」當作確定性路由的例子。

X12 的功能性確認交易代號，用來回覆「收到的資料格式正確」。

Automated Clearing House，美國銀行間的電子轉帳網路，理賠撥款常經由此管道。

講者對「AI 原生公司」的定義：工具、人才、流程三者都圍繞 AI 重新設計，沒有單一標準做法。

講者提出、對照 human in the loop（HITL）的說法：最終判斷仍由領域專家拍板，AI 只負責節省時間。

講者現職的製藥科技新創，用 AI 做藥物研發。

這場引用其心理師執業調查數據的機構。

Christopher Lovejoy 任職的公司，他以 Forward Deployed Engineer 身分分享協助企業導入 AI agent 的經驗。

講者自創詞，指只服務單一產業、模擬該產業從業者判斷的 AI，有別於服務多產業的泛用 AI（如 Google Translate）。

經濟學理論，指某些產業生產力提升有限、成本卻持續上漲，講者用來解釋醫療行政成本為何上升。

全球最大的線上心理治療平台，花十年建立起約 35,000 名臨床師的規模。

團隊自建的評審模型，讀模擬對話與一組預期行為，判斷有沒有觸發預先定義的危害，產出通過或失敗的結構化結果。

SonderMind 的臨床人員，講者特別致謝，是校準 guardrail 判準的關鍵角色。

本場講者，Abridge 工程負責人，之前待過 Vicarious 與 Glean。

資深 couples therapist，執業逾 30 年，CoupleWork AI 共同創辦人。

Clay Cockrell 與 Tony Fabrikant 共同創辦的 AI 感情教練平台。

兩款 AI 輔助寫程式工具，Maven 工程團隊去年多用 Cursor，今年轉向 Claude Code。

Ufonia 打造的臨床語音對話 agent，負責打電話給病人做術後追蹤、術前確認等臨床對話。

講者引用的病人安全組織，把 AI chatbot 誤用列為 2026 年頭號醫療科技風險。

全稱 Emotionally Focused Therapy，Sue Johnson 建立、以依附理論為基礎的伴侶治療框架。

eligibility and benefits verification agent，負責確認病人保險是否涵蓋、額度是否足夠。

演講中提到企業常要整合的醫療系統與客戶關係管理系統。

另一套醫療資料交換標準，講者提到保險公司也可能用它取代或搭配 X12。

講者用來泛指當下最頂尖前沿基礎模型的例子。

企業內部搜尋的 AI 公司，講者曾任職約六年半的早期工程師。

FDA 提出的機器學習醫療器材開發原則，演講中和 HIPAA、州法一起被列為架構必須對齊的規範。

John Gottman 四十年伴侶研究發展出的治療方法，能高準確度預測離婚。

美國健康保險常用的照護品質衡量指標集。

美國的醫療資料隱私法規，講者把它列為設計架構時就要先納入的合規底線，而不是事後補上去的檢查項目。

Hippocratic AI 自建、用來衡量 AI 對話同理心程度的評測基準，論文已公開

講者任職的公司，打造能主動致電病患進行臨床對話的 AI care manager

對話過程中暫存的注意力鍵值，做壓縮與保溫可加速長對話的推論

用另一個 LLM 評分模型輸出好壞的做法，講者認為在缺乏可驗證對錯的領域行不通。

用另一個獨立的 LLM 判斷 guardrail 該不該觸發，比把規則寫進單一大 prompt 更難被繞過。

Ufonia 建立的模擬框架，讓 LLM 扮演病人跟 Dora 對話，在真正碰到病人前先找出可能的危害。

專注女性與家庭健康（孕產、生育、更年期）的數位健康平台，是這場演講講者任職的公司。

Maven Clinic 兩年前開始建置的內部 AI 協調層，讓公司內外都能調用 AI 能力。

CoupleWork AI 打造的 AI 教練，以 Clay Cockrell 的祖母命名。

no auth required，指某個藥物不需要事前授權，可以直接往下走。

講者任職的公司。

Practice Management System，醫療院所用來管理排程、帳務等作業的系統。

找真實病人參與、比較真人對話與模擬對話哪個更真實的研究方法。

Matrix 框架裡扮演病人的 LLM，依設定的臨床情境跟 Dora 對話，產生模擬對話紀錄。

Hippocratic AI 語音代理架構的代號，講者稱為「星座」（constellation）架構，分聽、推理、回應三段

Role-Based Access Control，依角色設定存取權限的機制，人與 agent 都適用。

用可驗證答案訓練的強化學習，數學、程式適用，因為對錯可被驗證；金融、醫藥這類判斷型任務難以套用。

robotic process automation，用程式模擬人在各家 payer portal 上操作的自動化方式。

講者任職的公司，做 oncology 流程自動化。

講者用來形容「沒有實際審查、盲目核准」的 code review，是團隊極力想避免的狀況。

臨床病歷常見格式，涵蓋主訴、評估與照護計畫等段落，每次看診後都要寫。

企業與醫療產業常見的資安與合規框架，決定稽核軌跡要記錄到多細。

SonderMind 打造的臨床導向 AI 心理健康教練，支援對話與語音互動。

Sonder 背後的核心對話引擎，被輸入、輸出兩層 guardrail 包夾保護。

媒合個案與全美治療師、精神科醫師的心理健康照護公司，這場的講者任職於此。

把一個大功能拆成一串互相疊加的小型 PR，方便多人同時審查、持續往下開發。

AI 一味迎合使用者說法的傾向，在感情脈絡下被講者視為臨床失效模式。

講者點名的德州州級 AI 法規，和 HIPAA、FDA 的 Good Machine Learning Practice 並列，屬於一開始就要納入架構的合規要求，而不是事後補上。

CoupleWork AI 共同創辦人，負責工程端開發。

Jared 任職的公司，Dora 背後負責安全與評估體系的科學團隊所在。

這場演講的講者，任職於 Onlay。

講者早年任職的 AI 新創，目標做 AGI，走神經科學與機率圖模型路線，專注機器人。

本場講者，在 Hippocratic AI 負責 AI engineering

開源語音辨識模型，Hippocratic AI 拿它微調成自家 ASR 的 encoder

美國醫療產業用來在保險公司與醫療院所之間交換資料的電子資料交換（EDI）標準，涵蓋資格查詢、理賠、給付等多種交易格式。

講者兩次引用的 AI 研究者，用他「這些是統計、不是真正的 world model」的說法，支持自己「這類領域無法整體建模、誤差會一路累積」的論點。

指該藥物在過去某段期間已經拿到授權，可以沿用。

只能新增、蓋時間戳的事件日誌架構，把每個事件當唯一事實來源，可隨時重放、回溯任一時間點的系統狀態。

發燒合併嗜中性白血球數過低的臨床狀況，常需緊急處置，是講者示範臨床決策支援時舉的問題。

偵測使用者訊息或 AI 回覆是否有安全疑慮、必要時介入對話的機制，這場分為輸入與輸出兩層。

講者定義為圍繞在 agent 推理外層的工具、檢查、權限與交接機制，在醫療理賠情境裡，這層 harness 就是 X12。

講者用來描述 agent 同時具備存取敏感資料、接觸不可信輸入、能對外行動這三種能力疊加的風險組合。

只要產品會問診、給建議、答問題，就會被認定為醫療器材，須證明其安全性並接受法規審查。

第三個 agent，讀病歷與 policy criteria、查病人的 biomarker 資料，判斷是否符合用藥條件並附上信心分數。

保險公司依政策判斷某項治療或器材是否該核准給付的審查流程，本場以 CPAP 為例。

生成模型輸出趨於單一、缺乏多樣性的現象。

醫師下班後仍在家補寫病歷的說法，是醫師過勞的常見來源。

pipeline 中用來描述病患一生就診事件的高層級時間線。

用 portal 資料與 LLM 抽取彙整出的 SQL 資料庫，記錄各 payer 對哪些藥不需要授權。

保險理賠端用來抓錯誤給付或詐領的行政流程。

保險公司要求在用藥前先審核並核准的流程，這場演講的自動化對象。

講者自稱的做法：由人訂評分規則，讓 AI 依規則自評並改進，等於他版本的「用 AI 回饋做強化學習」，風險是可能陷入自我迴圈。

這裡指有沒有漏掉真正的危害，Ufonia 寧可多抓一些假警報，也不要漏掉真正的紅旗症狀。

先用小模型預測 token、再由主模型一次驗證的解碼加速技巧

把臨床人員對某段對話的標註，轉成含期望結果、期望觀察、分類等欄位的結構化測試案例。

資料不預先流動，agent 要靠 token 在使用當下才向物件儲存領取所需資料的安全原則。