數位時代 Business Next

2026年七月，美國財經媒體 Forbes 花了大約 7,200 萬美元跟 Google 買搜尋廣告，同一段時間它的自然搜尋流量掉了近三成。做內容的人，反過來跟吃掉自己流量的那家公司把流量買回來。不只它，美國前 100 大出版商光是七月就花掉 1.13 億美元，年增四成。廣告版位其實都還在，只是搬到了一個你到不了的地方。數位時代創新長黃亮崢 James 邀請關鍵評論網媒體集團技術長、DMA 媒體組召集人李致緯 Richard，從第三方 Cookie 一路聊到今天的 AI 代理人。 聽完這集你可以學到1. 關鍵字廣告買的不是版位，是意圖：2025 年臺灣關鍵字廣告市場達 167.2 億元，還年成長 3.9%。Richard 分析，AI 能直接回答問題反而讓意圖更值錢。你在蝦皮或 Amazon 搜尋洗髮精也是關鍵字廣告，只是推的是商品不是網頁連結。2. Privacy Sandbox 收攤，卡在瀏覽器不只一家：Google 原本要用 Topics API，讓瀏覽器根據你看過愛料理或數位時代自己幫你貼標籤。Richard 指出，這等於把權力交還給瀏覽器，但 Google 說服不了 Apple 的 Safari 與微軟的 Edge，草案沒被廣泛採用，胎死腹中。3. 決定傷害大小的是品牌辨識度：這一年媒體同行掉一兩成算輕，掉到三四成的也有。但紐約時報不需要人家特別去搜尋，它本身就是平台。愈需要靠平台導流的中小型媒體衝擊愈大，數位原生媒體又比老牌雜誌媒體更慘。4. Google 一定會把錢收回自己的平台：Meta 與 TikTok 從第一天就是封閉環境，Google 卻做了聯播網把營收分給開放網路的媒體。Richard 判斷，競爭者全是封閉平台、廣告主又習慣買一家就解決，Google 往自己平台收攏無法避免。5. 爬蟲分三類，真正該擋的只有一類：搜尋引擎的爬蟲會把讀者導回來，多多益善；代理人型背後是真的有人在問問題，原則上歡迎；只有抓回去訓練模型那一類該擋。Richard 建議第一步不是急著封鎖，而是先清查有哪些爬蟲。6. 兩場反壟斷都判壟斷，卻都不用拆：一是免費正是壟斷的本質，拆掉後如果 Chrome 開始收費，反壟斷法想給的「更多選擇」就變成付更多錢。二是市場本身變了，法官在判決裡點出有新的變形搜尋引擎，而且判決出爐時 ChatGPT 早就問世。7. 內容授權平台會賺錢，但撐不起一家公司：AI 爬蟲每爬一次付 0.001，積沙成塔湊出新模式。Richard 說他們是亞洲前幾個導入的，賺得到錢。但這是雙邊市場，想收的大家都想收，願意付錢的供應商還不是多數，要撐起一家公司「蠻遙遠的」。 Richard 給媒體同業的提醒臺灣沒有 Apple News 那樣會分潤的入口，自組平台或聯合跟 AI 公司談授權，Richard 認為牽涉太複雜的立法與產業結盟，「都做不太到」。他的結論不是放棄做媒體，而是放棄用流量當變現的主要手段。如果還抱著「有一天流量會再上高峰」的想法，那是在等不會發生的事。「消滅的是流量，但是留下來的其實還是跟讀者之間的關係。」 Powered by Firstory Hosting

Bloomberg在八月底刊出一篇重磅新聞，關於金管會主委彭金隆如何改造台灣總值達40兆台幣的保險業。文中論點之一，是台灣保險業過去長期大量購買美國公債和公司債，一方面造成資金持續外流，一方面近年因台灣經濟成長強勁面臨台幣升值壓力，持有高部位以美元計價的資產，曝露在匯兌損失的風險升高，等於資產縮水，也不利於到期和後期的理賠支付準備。另一方面，早年為衝業績而暢銷的高利率保單，如今成為燙手山竽；加上過去保費收入認列寬鬆，在今年改為 IFRS 17的計列方法後，收入和獲利認列、賠付提列都更合理也更嚴格，直接影響保險業的損益表和資產負債表。換個方式思考，在這一波全球AI基建大潮中，滿手現金的保險業者，如何參與其中分享利潤，化被動為主動，而不是一直面對保戶解約將錢轉投股市和ETF市場？新光人壽董事長魏寶生在本集節目分享他的觀點。 Powered by Firstory Hosting

不用替每個車位裝上地鎖或收費機，共享停車平台如何維持預約秩序、處理糾紛，最後走到上市？本集《東京在線》由柯誠解析日本 akippa 的平台模式。從閒置車位的供給、車主與地主的信任，到疫情期間的需求變化，帶你看一家以 App 串起實體空間的公司，如何跨過成長中的難題。akippa 於 2026 年 9 月在東京證交所 Standard 市場上市。同月，東證公布 TSE Asia Startup Hub 的 2026 年支援名單，為海外新創提供在日本拓展業務、籌資與準備上市的協助。本集也將視角帶到台灣：當東證積極接觸亞洲企業，台灣新創能從中看到什麼機會？akippa 上市公告・東京證交所公告｜本集重點• 不裝地鎖與收費機，akippa 如何讓閒置車位成為可預約、可管理的服務？• 面對出租權、鄰里疑慮與停車糾紛，共享停車平台如何建立信任？• 東京證交所為何扶植亞洲新創，這項計畫與台灣企業有什麼關係？【節目資訊】主持人：柯誠🎧 Production Team：Meet 創業小聚🎬 Editing and Post-Production：聲歷其境 All Around You Powered by Firstory Hosting

外號蘇媽的超微執行長蘇姿丰，近來風頭超越黃仁勳和馬斯克。在川習會的國宴上，她被川普安排坐主桌，引發外界好奇美國政府直接持股的英特爾執行長陳立武，為何無此待遇？超微以83億美元，收購有AI教母之稱的李飛飛創辦兩年的World Labs, 搶先布局下一階段，在男性執行長主導的AI領域，二位頂尖女性聯手屬於空前，正值超微市值破一兆美元，蘇姿丰也成為史上首位女性執行長管理破兆市值企業。10/6下午，她旋風抵台，24小時內密集會見台灣供應鏈廠商，從晶片代工、封測、記憶體到系統組裝夥伴，確保明後年產能供應跟上訂單。 Powered by Firstory Hosting

本集《東京在線》，主持人柯誠邀請京都大學農學研究科碩士、現居東京的關悅誠（Yueh-Cheng Guan），從醫藥技術調研與科學評估的角度，帶我們理解新藥開發的真實過程：早期研究成果該怎麼判讀？生技新創簡報中的數據，哪些值得追問？一項有潛力的技術，又該如何面對法規、量產與市場的考驗？訪談也將討論日本面臨的「Drug Lag」與「Drug Loss」、國際藥價機制，以及跨國臨床試驗規則的變化。當台灣生醫團隊思考進入日本市場，除了推出自有品牌新藥，還能從哪些合作環節找到機會？跟著本集，從一顆藥的開發旅程，重新認識日本醫藥產業的創新與挑戰。｜本集重點• 一顆新藥從實驗室走到上市，要跨過哪些研究、臨床與法規關卡？• 從第一三共的 ADC 藥物及中外製藥的口服減重藥，可以看出日本藥廠如何與全球夥伴合作？• 面對 Drug Lag、Drug Loss 與臨床試驗規則的變化，台灣生醫團隊有哪些切入日本市場的機會？【節目資訊】主持人：柯誠來賓：關悅誠（Yueh-Cheng Guan），醫藥健康領域技術調研與科學評估從業者；京都大學農學研究科碩士🎧 Production Team：Meet 創業小聚🎬 Editing and Post-Production：聲歷其境 All Around You Powered by Firstory Hosting

AI時代需要什麼樣的人才？或者反過來問，什麼樣的人才不再被需要？傳統那套念書、考試拿文憑，從學士、碩士到博士的路還走得通嗎？兩百多年來以革命著稱的法國，在教育方法上同樣激進。當然，公立教育除外。在2013年由私人出資在巴黎興辦的School 42, 不設學歷門檻，人人都可報名，經過層層篩選取得入學資格。這所學校沒有課程、沒有老師也不發文憑，只有一道又一道的程式題目，學生必須想辦法解開，需要的能力自己想辦法自學。學校宗旨相當於把學生丟進游泳池，但不給救生圈和救生員，要自己努力爬上來。台科大產學創新學院執行長楊光磊，對動手實做解決問題的能力，評價高於單純上課考試。他研究School 42模式多年，也有興趣引進台灣落地。在那之前，他也將動手實做的能力，放在台科大的新竹校區，從半導體先進封裝著手，結合企業和學校，培養畢業後直接進產業的人才。 Powered by Firstory Hosting

婚戀交友市場可以說是軟體創業的老戰場，但當 Dating App 成為日常，越來越多人卻開始感到疲憊，甚至重新回到跑團、聚會與各種實體社交場合。本集邀請長期觀察北美華人交友市場的「矽谷月老」Ken，從跨文化擇偶、交友軟體的結構性問題，到新一代實體交友模式，解析科技如何改變現代人的感情選擇。我們也聊到 AI 能不能真的幫你找到適合的人，以及在演算法越來越懂你的年代，為什麼「真人相處的感覺」反而變得更加重要。本集重點：為什麼大家開始 Dating App 疲勞？ 在美國交往，文化背景有多重要？年輕人為什麼重新回到實體交友？ AI 可以幫你找到另一半嗎？ 交友也需要建立「手感」？ 了解更多國際新創圈大小事 👉🏼 https://meetstartup.pse.is/4jhd5u📍鏈結矽谷創新動態，關注Startup Island TAIWAN 矽谷 Hub：https://sv.startupisland.tw/ Powered by Firstory Hosting

熵(Entropy)代表亂度，以熱力學解釋，ㄧ個系統在正常無外力介入做功之下，長期必然走最大亂度和最低能量。想像一個幾天沒有收拾的床鋪和餐桌，就知道亂度如何產生，而花力氣去收拾回復整潔，就是外力介入做功。合金則是以一種金屬為主，再加上一或多種元素，改變其原有性質，比如鐵加上碳成為鋼，鋼的強度和使用場景就高於鐵。高熵合金是以多種以上元素為基礎混合而成，打破傳統以單一元素為基礎的合金做法，增加許多新材料被開發和應用的可能性，在科學研究和工程技術上極具潛在價值，也被視為未來諾貝爾獎的熱門領域。清華大學材料系特聘研究講座教授葉鈞蔚，是全球研究高熵合金的先驅，並ㄧ路從合金擴大到非金屬的高熵材料領域。在現有化學週期表上的已知元素中，從中再做排列組合找到新材料的組成，遠比再發現新元素更具可行性。被稱為「高熵合金之父」的葉均蔚，最近在時報出版社出書談自己的研究生涯，並在本集podcast分享他的人生故事。 Powered by Firstory Hosting

這一集，主持人柯誠要拆解9月15日日本內閣通過的消費稅減稅政策：飲食料品稅率從8%砍到1%，為期兩年。這個政策乍看是德政，柯誠會從稅務系統的技術限制、第一線店家的定價操作，到日本財政史上的前例，帶大家理解這項政策實際上會怎麼運作，以及2029年是否真的能回到原本稅率。本集重點｜✅ 日本政府把稅率訂在「1%」而非0%，背後跟Invoice制度與POS系統的技術限制有什麼關係?✅ 內用10%、外帶1%的9個百分點價差，會在忘年會、年菜訂購、到府主廚服務等場景，衍生出哪些真實的節稅操作?✅ 麥當勞與星巴克面對雙重稅率時，分別採取了什麼不同的定價策略?✅ 日本財政史上「暫定稅率」為什麼總是變成永久稅率（以汽油暫定稅率為例）?【節目資訊】主持人：柯誠🎧 Production Team：Meet 創業小聚🎬 Editing and Post-Production：聲歷其境 All Around You Powered by Firstory Hosting

如果舉行一場全球公投，關於當前AI發展是否該踩剎車，讓更多法規和監管能跟上，投票結果會如何？可能一面倒，也可能很分散。不過，決定AI發展的主導力量，可能不是選票，而是鈔票。在目前各路資金持續重押AI的情境下，領跑在前的未必是最後贏家，但落後的註定出局。這種緊迫感讓所有參與者繃緊神經，一路催速。因此，當Anthropic共同創辦人暨執行長阿莫迪(Dario Amodei)近期發文希望「減速AI」(Pacing the AI)時，很快引來OpenAI執行長奧特曼(Sam Altman)和馬斯克贊聲。即使業者有意，但美國政府站在國家安全立場，並不樂見。AI競賽也是美中搶奪發言權的主戰場，如果美國放慢，等於做球給中國，川普並不認同。白宮科技顧問薩克斯(David Sachs)也強調，政府應該注意的是業者競爭是否有妨礙創新和市場公平，而不是介入去決定創新的快慢。於此同時，AI脫離控制而產生技術人員意料之外的事故，也越來越多。缺少足夠的安全護欄和法規監管，全球都正面臨風險。2024年諾貝爾經濟學獎得主、麻省理工學院經濟系教授艾塞默魯(Daron Acemoglu)觀察，少數幾家巨型企業掌握AI未來方向，主事者的成長和求學背景類似，喜歡同一部電影看同樣小說，決策邏輯接近，也是風險之一。真正能讓AI減速的，可能是聯準會升息和11月的美國期中選舉結果。綜合以上因素，科技專家吳金榮分享他的觀察。 Powered by Firstory Hosting

本集重點：天價折疊機 iPhone Duo 在貴什麼？iPhone 18 Pro 相機升級可變光圈AirPods 5 超值降噪與 Apple Watch 健康黑科技延伸閱讀》摺疊iPhone要來了！蘋果下個黃金十年，從一支7萬元「精品手機」開始？https://www.bnext.com.tw/topic/view/993-----------🤩訂閱數位時代YouTube 》https://www.youtube.com/@bnext_official-----------🤩有合作需求請洽：[email protected] Powered by Firstory Hosting

2026 年 2 月，《自然醫學》（Nature Medicine）登出一篇研究：1,298 位一般民眾被隨機分派，面對十個醫療情境，要判斷這可能是什麼問題、接下來該怎麼辦。模型單獨作答時，找出病況的正確率高達 94.9%；但把同一批模型交到真人手上，正確率掉到三成出頭，跟完全沒用 AI 的對照組沒有差別。模型很強，但人問不出來。數位時代創新長黃亮崢 James 邀請 杜克健康創新研究所葉俊廷醫師，拆解一般人到底該怎麼問AI健康問題，才有機會問得好。聽完這集，你可以學到1. 先講你是台灣人、幾歲、男生女生，這 30 秒決定了答案品質：模型的訓練資料以英文與西方世界為主，研究圈把這群人稱作 WEIRD。你不講清楚，它就預設你是一位在美國的白人大學生。但鼻咽癌在華人族群的發生率遠高於西方白人，臺灣過去有大量 B 型肝炎與肺結核病史，這些都會改變鑑別診斷的排序。葉俊廷建議開頭直接說「我是臺灣人、我幾歲、我有什麼病史、現在在吃什麼藥」。2. 問「有哪些可能」，不要問「我得了什麼病」：AI 的強項是飽讀詩書、把可能性窮盡列舉，不是一槍命中。葉醫師提醒，帶著答案去問（「我是不是闌尾炎？」）會觸發它的討好傾向，它會順著你把說法合理化。改成請它列出所有可能，再逐項追問「要做什麼檢查才能排除這一個」，你拿到的就是一張清單，而不是一個結論。3. 報告先擷取成表格，核對過再解讀：拍照上傳最大的風險不是幻覺。醫院做過統計，AI 真正產生幻覺的比率大約 2% 到 5%，但漏掉重要資訊的比例可以到 20%。做法是先叫它「只把數值、單位、參考範圍整理成表格，不要解讀」，自己數過筆數對得上，再請它解讀。更根本的解法，是直接從健康存摺下載可被數位辨認的電子版報告。4. 判斷急不急最最最不能交給 AI，要改問警訊（紅旗清單）：就連 OpenAI 專為健康情境訓練的 ChatGPT Health，在急症的檢傷判斷上仍有明顯失誤。葉俊廷分析模型被訓練得越來越保守，你直接問「我現在該怎麼辦」只會拿到罐頭答案。正確的問法是「請列出哪些情況我應該立刻掛急診、哪些可以等門診」，再加一句「請把最緊急的警訊（紅旗）症狀也寫出來」。5. ISBAR：把小抄整理成醫師習慣閱讀的格式：俊廷把醫護交班用的口訣改寫給一般人用。I 是我是誰（年齡、生理性別）， S 是現在的狀況與持續多久， B 是過去病史、用藥、手術、過敏與家族史，最後 把醫護版的 A 與 R 換成 Q，也就是你最想問的三個問題。 請 AI 依這個順序整理成兩頁以內的條列，醫師看到會很開心，因為那正是他寫病歷的思考流程。6. 模型有價值觀，重要的事情要問兩家：哈佛醫學院生醫資訊學系的 Isaac Kohane 用 50 個臨床兩難發現各家模型在尊重病人自主、行善、不傷害、公平這四個原則上的權重都不一樣。俊廷提醒，飽讀西方文獻的模型最優先的往往是病人自主，但這在東方文化脈絡下不一定成立，答案不一致本身就是一個訊號。7. 三層分類法：越深的對話越要保守：-第一層是術語翻譯與報告白話化，幾乎沒有風險；-第二層是加上你的個人脈絡去推論可能性，價值最高，但成果完全取決於你怎麼問；-第三層是換不換藥、該不該開刀這種臨床決策，目前建議不要交給 AI。俊廷的判準很清楚，越需要價值判斷的問題，背後潛在的偏誤風險就越大。8. AI 公司免費送你健康服務，要的是它拿不到的資料：俊廷從商業角度提醒，網路上的文字大概都被訓練完了，而心跳、影像這類醫學資料極難取得，又全鎖在醫療系統裡。智慧戒指記錄基礎體溫、另一個 App 記月經週期、你再跟 AI 說最近有點頭暈，三筆看似獨立的資料串起來就可能推論出你懷孕，甚至比你自己更早知道。俊廷的提醒：一、讓 AI 真正了解你是誰，不是身分證字號，而是你作為一個人的樣子：我是臺灣人、在臺灣長大、現在在美國、幾歲、有什麼運動習慣、有什麼病史、在吃什麼藥。二、不要把自己的判斷放進去，把「會不會是闌尾炎」的問題換成「請列出所有可能」，再一輪一輪追問下去。三、是主動要警訊（紅旗清單），問清楚什麼情況必須立刻就醫。最後，如果真的決定要看醫生，請 AI 用「我是誰、現在狀況、過去病史、我想問的問題」整理成一兩頁印出來帶去。他強調，這是目前跟 AI 互動比較安全、而且每個環節都有研究支持的做法。而醫師不能被取代的，從來不是資訊不足時的判斷，是最後有一個人願意為那個判斷負責。---補充資料：1. 以撒·科漢 Isaac Kohane：哈佛醫學院生醫資訊學系（Department of Biomedical Informatics）系主任，醫療 AI 領域的奠基者之一。本集中被引述為 Human Values Project 的主持人。2. Human Values Project（HVP）：由 Isaac Kohane 主持的國際研究計畫，以 50 個經臨床醫師驗證的醫療兩難情境，測試各家前沿模型在醫學倫理四原則（自主、行善、不傷害、正義）上的權重分布，並以千位以上臨床醫師的共識作為對照基準。合作單位包含 OpenAI、Google DeepMind、Epic、以色列 Clalit Health Services 等。網址：https://hvp.global3. 鑑別診斷 Differential Diagnosis：面對一組症狀時，醫師列出所有可能疾病並逐一排除的思考流程。俊廷指出 AI 的強項正是把這張清單列得比人更完整。4. can't miss／警訊症狀 Red Flags：機率未必高、但一旦錯過後果極嚴重或極緊急的病症，醫師受訓時被要求無論如何都要先排除。經典例子是胸痛必須先排除心肌梗塞。5. 檢傷 Triage：判斷病人有多緊急、應該立刻急診還是可以等門診的分類流程。本集指出這是目前 AI 最不可靠的環節之一。6. 脈絡化醫療 Contextualized Medicine：強調病人在疾病之外的生活處境會直接影響醫療成效的取向。本集阿嬤與孫子開學的例子即屬此類。7. 競爭的責任關係 Competing Responsibility：脈絡化醫療中的概念，指病人或照顧者因為承擔其他責任（工作、就學、照顧他人）而無法完成醫囑。8. ISBAR：醫護人員交班使用的結構化溝通口訣：Introduction（我是誰）、Situation（現在狀況）、Background（背景病史）、Assessment（評估）、Recommendation（建議）。俊廷建議一般人把 A 與 R 換成 Q（你想問的問題）。 9. WEIRD：Western、Educated、Industrialized、Rich、Democratic 的縮寫，指行為科學研究樣本長期過度集中於西方、受過教育、工業化、富裕與民主社會的人口。本集用以說明大語言模型訓練資料的預設偏差。10. 定錨效應 Anchoring：在對話開頭提供身分與背景資訊，使模型後續的機率排序向你的實際情境靠攏。11. 健康存摺 My Health Bank：衛生福利部中央健康保險署提供的個人健康資料下載平台，可取得近三年門診、住診、用藥與檢驗結果。俊廷建議直接下載電子版報告，避免拍照辨識造成的錯誤。網址：https://myhealthbank.nhi.gov.tw12. OpenEvidence：面向醫療專業人員的醫學文獻查詢 AI 工具。本集用以說明即使是醫療專用工具，其文獻庫仍以英文與歐美學會指引為主體。網址：https://www.openevidence.com13. ChatGPT Health：OpenAI 於 2026 年 1 月推出、專為健康情境設計的版本，可連結電子病歷與 Apple Health。網址：https://openai.com本集引用的研究與文獻 一般民眾使用 AI 的表現Bean, A. M., et al. (2026). Reliability of LLMs as medical assistants for the general public: A randomized preregistered study. Nature Medicine, 32, 609–615. https://doi.org/10.1038/s41591-025-04074-yGoh, E., Gallo, R., Hom, J., et al. (2024). Large language model influence on diagnostic reasoning: A randomized clinical trial. JAMA Network Open, 7(10), e2440969. https://doi.org/10.1001/jamanetworkopen.2024.40969AI 的診斷與檢傷能力Brodeur, P. G., Buckley, T. A., Kanjee, Z., et al. (2026). Performance of a large language model on the reasoning tasks of a physician. Science, 392, 524–527. https://doi.org/10.1126/science.adz4433Ramaswamy, A., et al. (2026). ChatGPT Health performance in a structured test of triage recommendations. Nature Medicine. https://doi.org/10.1038/s41591-026-04297-7Costa-Gomes, B., Tolmachev, P., Taysom, E., et al. (2026). How people use Copilot for Health. Microsoft AI.KFF. (2026). KFF Health Information and Trust Tracking Poll. Kaiser Family Foundation. https://www.kff.orgHenrich, J., Heine, S. J., & Norenzayan, A. (2010). The weirdest people in the world? Behavioral and Brain Sciences, 33(2–3), 61–83. https://doi.org/10.1017/S0140525X0999152X脈絡化醫療與醫病溝通Weiner, S. J., Schwartz, A., Weaver, F., et al. (2010). Contextual errors and failures in individualizing patient care: A multicenter study. Annals of Internal Medicine, 153(2), 69–75. https://doi.org/10.7326/0003-4819-153-2-201007200-00002Marshall, S., Harrison, J., & Flanagan, B. (2009). The teaching of a structured tool improves the clarity and content of interprofessional clinical communication. Quality & Safety in Health Care, 18(2), 137–140. https://doi.org/10.1136/qshc.2007.025247資料隱私與重新識別- Sweeney, L. (2002). k-anonymity: A model for protecting privacy. International Journal of Uncertainty, Fuzziness and Knowledge-Based Systems, 10(5), 557–570. https://doi.org/10.1142/S0218488502001648法規與公共資源中華民國醫師法第 11 條｜醫師非親自診察，不得施行治療、開給方劑或交付診斷書。本集用以說明 AI 不具醫事人員身分，其輸出沒有法律地位。全國法規資料庫：https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=L0020001個人資料保護法｜臺灣目前規範個人資料蒐集、處理與利用的通用性法律，並非專為健康資料設計。全國法規資料庫：https://law.moj.gov.tw/LawClass/LawAll.aspx?pcode=I0050021憲法法庭 111 年憲判字第 13 號判決【健保資料庫案】｜2022 年 8 月 12 日宣判。認定健保資料由中央健康保險署提供作健保目的外之利用時，其主體、目的、要件、範圍、方式及監督與程序保障機制欠缺明確法律規範，不符法律保留原則，違反憲法對資訊隱私權的保障，並要求三年內修法。判決全文：https://cons.judicial.gov.tw/docdata.aspx?fid=38&id=309956HIPAA（Health Insurance Portability and Accountability Act）｜美國健康資料保護與隱私規範。本集用以對照臺灣目前缺乏統一健康資料保護專法的現況，並說明 ChatGPT Health 所稱之 HIPAA compliant 的意義。美國衛生及公共服務部：https://www.hhs.gov/hipaa Powered by Firstory Hosting