波新聞─李至文／高雄
心臟疾病長年名列國人十大死因，其中急性心肌梗塞（AMI）發作突然、致死率高，搶救關鍵在於與時間賽跑。為把握黃金救命時機，中央健康保險署攜手高雄市政府推動「高雄智慧救心網」，落實「到院前救護車心電圖即時行動傳輸與線上判讀系統跨院合作計畫」，整合消防救護、醫療院所與專科醫師即時判讀機制，讓救護車升級為「行動急診室」，成功打造院前、院中無縫接軌的急性心肌梗塞救治流程。
在此系統下，救護人員於運送途中即可替患者執行12導程心電圖檢測，並透過4G／5G即時上傳雲端，由專科醫師線上判讀與指導用藥，同步提前啟動醫院心導管團隊，大幅縮短救治流程，為患者爭取關鍵的每一分鐘。
高雄醫學大學附設中和紀念醫院副院長林宗憲表示，高醫肩負急、重、難、罕疾病照護責任，並於2025年獲《康健雜誌》評選為南部唯一醫學中心級「急性心肌梗塞特色醫院」。院方除建構整合式照護體系，也研發AI心跳停止風險預測模型，透過「高雄模式」的區域聯防，讓急救責任醫院之間的流程銜接更加順暢，進一步提升心肌梗塞救治成功率、降低死亡風險。
健保署高屏業務組副組長何尹琳指出，高屏業務組持續擴大推動「到院前救護車心電圖判讀跨院合作計畫」，結合高雄市政府消防局與急救責任醫院，以科技串聯緊急救護與醫療體系，全力搶下「黃金90分鐘」的救命時間。
高雄市政府消防局也表示，目前全市消防分隊已全面配備到院前心電圖機，並配合2025年新版《救護技術員管理辦法》，將「到院前心電圖」正式納入初級救護技術員（EMT-1）可執行項目，預期可大幅提升篩檢覆蓋率與救治效率。
高醫心臟內科主任許栢超強調，國際指引要求急性心肌梗塞的「到院至球囊擴張時間（D2B）」須在90分鐘內完成。透過高雄智慧救心網，救護人員成為第一線醫療助手，即時回傳到院前心電圖資料，使醫療團隊能在患者抵達前完成準備。統計顯示，高雄模式上路後，平均D2B時間明顯縮短，小於90分鐘的達成率高達95%以上，甚至可實現「繞道急診（ER Bypass）」，患者一到院即直送心導管室。
高醫急診醫學部內科主任劉冠廷也分享實際案例，一名60歲男性於2025年9月中旬突發胸悶、冒冷汗，救護人員到院前即完成心電圖並上傳，經線上判讀確認為ST段上升型心肌梗塞，並即時給藥。患者抵達高醫後直接進行緊急心導管手術，發現左前降支動脈狹窄達95%，置放支架後血管順利打通，術後四天即康復出院。他也提醒民眾，若出現胸悶、胸痛或呼吸困難等症狀，務必立即撥打119，切勿自行開車，以免延誤救命時機。
屏東基督教醫院副院長暨台灣心肌梗塞學會榮譽理事長黃偉春指出，在健保署支持下，高雄市成功整合消防救護、醫療院所與醫師即時判讀機制。統計2024年至2025年11月，系統累計上傳3,525例心電圖，其中90.4%可在5分鐘內完成判讀，成功搶救212名急性心肌梗塞患者，線上醫師指導用藥達81人次，顯著縮短到院後等待治療時間，展現智慧醫療在急重症救治上的關鍵價值。
【民眾網編輯方笙楠臺北報導】臺北市萬華區西昌街一間休閒館，因無視公權力，數次暗中經營賭場，8月25日上午萬華分局會同臺北市建築管理工程處、台灣電力公司及自來水公司等單位赴現場執行斷水斷電，強制勒令停業。 據了解，該處所表面上是一般休閒館，卻暗地私下經營賭場，因每日出入分子複雜，引起民眾懷疑而屢遭檢舉。該處首次於115年1月13日遭警方查獲賭博，除依法裁罰外，亦報請都市發展局依法勒令停止違規使用予以列管，惟業者無視法規，仍在列管期間私下重操舊業。 萬華分局專案小組獲報後積極佈線蒐證，待掌握確切事證後，115年5月8日再次突擊，當場人贓俱獲，查獲違法鐵證。為展現市政團隊堅決斷絕不法場所的行動力，迅即於8月25日由萬華分局會同相關單位聯手執行斷水斷電，本次聯合執法不僅展現市府團隊打擊犯罪的行動力，更宣示絕不容許違法場所擾亂社會秩序決心。 萬華分局表示，警方將持續落實查緝不法場所，絕不允許任何不肖業者以身試法，以維護社會風氣與治安秩序。未來將持續精進與市府各局處的聯合稽查機制，強化查報能量，戮力為市民打造安全、優質且乾淨的生活環境。
商傳媒｜林昭衡／綜合外電報導 隨著人工智慧技術快速發展，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 等大型語言模型（LLMs）已進化為多模態 AI，不僅能處理文字，還能分析圖像，甚至從文字描述生成圖片。然而，學術界對此一進步也提出擔憂，指出這些模型存在「視覺幻覺」（Visual Hallucinations）問題，即 AI 在圖像處理過程中可能生成看似合理但實際錯誤或荒謬的輸出。 根據知名學術期刊《Communications of the ACM》的報導，諾丁漢大學（University of Nottingham）電腦視覺副教授 Michael Pound 指出，LLMs 經過大量文本與影像資料訓練，由於缺乏對「真理」的明確規範，其輸出往往僅具統計學上的合理性，而非真實。加州柏克萊人工智慧研究實驗室（University of California Berkeley Artificial Intelligence Research lab, BAIR）的博士後研究員 David Chan 也提到，儘管人類也會有類似錯誤，但大眾期望 AI 模型的表現應優於人類。 「視覺幻覺」對自動駕駛車與安全監控影像分析等關鍵應用領域構成嚴重挑戰，可能損害大眾對 AI 的信任度。例如，當背景資訊與圖像內容矛盾時，幻覺現象會更頻繁。Michael Pound 舉例說明，醫學影像分析若受其他病患資料影響，AI 可能因此忽略圖像中實際存在的疾病跡象。他強調，對於盲人輔助科技等使用者無法自行驗證輸出的情境，AI 模型的精確度至關重要，任何錯誤都可能帶來風險。 研究人員正積極探討視覺幻覺的根本成因，認為這與生成式 AI 模型作為仰賴機率的「預測引擎」本質息息相關。目前，除了針對特定任務的影像資料進行模型微調（fine-tuning），並在如自動駕駛車中導入光達（LiDAR）等多餘感測器以彌補錯誤外，現有的後驗證（post-hoc verification）方法也面臨效率低落的問題，因為它需要額外的 AI 模型來檢查輸出，過程緩慢且僅能拒絕錯誤回應，無法直接修正。 為提升驗證效率，新的「REVERSE 框架」被提出，它能在 AI 生成回應的過程中同步檢查幻覺。此框架透過訓練模型將詞語分類為「自信」或「不自信」，並在生成影像描述時給予每個詞彙信心評分，從而實現即時修正。David Chan 形容這是一種「推論技巧」，能讓部署中的系統根據預期的錯誤率來進行應對。未來研究則將聚焦於從源頭防止 AI 模型產生幻覺，並探索視覺推理（visual reasoning）而非純文本推理，透過讓模型分析圖像的幾何與外觀，來提高其精準度、理解基礎及可解釋性。
圖／本報資料庫 商傳媒｜林昭衡／綜合外電報導 隨著生成式人工智慧（AI）工具的普及，許多企業起初不設限制地採購與導入 AI 系統。然而，這波熱潮如今卻讓企業開始正視其背後潛藏的法律風險，特別是在訴訟或調查過程中，AI 系統資料的保存問題日益凸顯。 在昨日舉行的法律科技會議 ILTACON 首日議程中，與會者便將焦點放在 AI 採購後的資料保存挑戰。ILTACON 是一個專為法律專業人士舉辦的年度技術會議，旨在探討法律領域的科技應用與趨勢。會中指出，如同大學生在派對上恣意拿取飲料，許多企業在面對 AI 浪潮時，也曾不加思索地大量引進新工具與系統。 隨著 AI 系統逐漸成為企業日常營運的一部分，相關的法律風險浮出檯面。企業必須開始思考如何妥善儲存 AI 系統產生的資料，以應對未來可能的法律訴訟或內部調查。例如，若有合成媒體（synthetic media）作為證據提交，透過正確儲存後設資料（metadata，即描述資料本身的資訊，如創建時間、來源、格式等），將有助於辨識其真偽。 為因應這項需求，市場上的供應商也正逐步推出相關工具，協助企業蒐集、保存並分析 AI 系統中的資料，例如 Thomson Reuters、律商聯訊（Lexis）等公司都提供此類服務，產品包含 Thomson、CoCounsel、Lexis+、Protégé 等。Reveal、Newcode 和 Relativity 等科技公司亦投入開發相關解決方案。
