一、臨床卓越與安全性 (Clinical Excellence & Safety)：(35%)

• 模型準確度與臨床一致性 (Accuracy & Consistency)
• 異常值偵測與風險警示 (Outlier Detection)
• 病患安全防護機制 (Safety Protocols)

【核心：符合衛福部查驗登記與臨床實證】

• 敏感度/特異度是否優於現行標準？是否經過院內資料驗證？
• 遇到非訓練範圍的案例，系統是否會發出「低信心度」警示？
• 軟體失效時的備援流程(Fallback plan)是否明確？

二、系統整合與資安 (IT Integration & Cybersecurity)：(25%)

• 院內系統整合度 (HIS/PACS/NIS Integration)
• 資安合規性 (Cybersecurity & Privacy)
• 系統維運與更新機制 (Maintenance & DevOps)

【核心：符合新光醫院 HIS/PACS 架構】

• 是否支援 HL7/FHIR 標準？能否無縫寫入病歷或影像報告？
• 是否通過弱點掃描？符合 ISO 27001 及個資法規範？
• 廠商是否提供定期模型校正(Re-calibration)服務？

三、負責性 AI 與治理 (Responsible AI & Governance)：(25%)

• 可解釋性與透明度 (Explainability / XAI)
• 人類監督機制 (Human-in-the-loop)
• 模型生命週期管理 (Lifecycle Management)

【核心：針對 2026 負責性 AI 中心認證重點】

• AI 的決策邏輯是否可視化（如 Heatmap）？醫師能否理解？
• 是否強制要求醫師最終確認？介面設計是否避免「自動化偏見」？
• 是否具備持續監測模型效能衰退(Drift)的儀表板？

【核心：針對院方營運考量】

• 預估節省的人力工時或增加的服務量能（需量化數據）。
• 輸出結果是否可轉化為病患易懂的衛教素材？
• 是否採用低耗能演算法或有助於無紙化流程？