KPMG安侯建業健康照護與生技產業服務團隊主持會計師郭欣頤表示，醫療未來不在於單一機構效率，而是建構由AI驅動的整合型生態系。透過預防、早期介入與個人化照護，並由AI協調跨機構合作，方能推動醫療轉型。她強調，生成式AI若能在技術、組織、倫理與制度面全面準備，才可真正落地並發揮效益。
調查顯示，71%醫療機構認為生成式AI應用廣泛，近六成（59%）已納入產品與服務開發。與傳統AI著重分析預測不同，生成式AI具備創造能力，可用於自動撰寫出院摘要、合成影像，甚至設計新藥分子。資策會MIC資深產業分析師盧冠芸指出，醫療體系累積龐大文本與影像，加上繁瑣的行政流程，正好成為生成式AI的天然場景。
資策會MIC分析師謝淑麗補充，生成式AI在醫療應用主要聚焦四大領域：一是行政支援，包括文書處理、排程與病患溝通；二是臨床實務，如診斷輔助、病歷摘要與放射報告；三是藥物研發與療程設計；四是醫學研究與教育，加速文獻整理與教學素材生成。
目前生成式AI多用於輔助性工作，若要進入「預防、診斷、治療、癒後」等核心流程，需通過美國食品藥物管理局（FDA）等監管單位審核。截至2025年4月，FDA已批准逾千件AI醫療設備，但多為預測性演算法，尚未核可完整生成式AI系統直接用於臨床。FDA正研擬新框架，要求開發者揭露訓練數據與演算法資訊，並建立上市後監測機制。
KPMG安侯建業健康照護與生技產業服務團隊主持人蘇嘉瑞說，因醫療領域具有其特殊性，事關人命安全，相較其他產業，此領域高度敏感性與複雜性，使AI導入過程中將更為謹慎且進程較慢。
報告同時點出四大課題：第ㄧ，資料品質與整合，84%主管認為資料碎片化與標準不足，已成主要障礙；第二，是組織轉型與人員適應，臨床人員對AI理解有限，需大量培訓並保留人工監督；第三是倫理與治理風險，若資安控管不足，恐引發法律風險與演算法偏誤；第四，初期價值衡量困難，如文書生成短期難見效益，但規模化應用仍需考量IT負荷與成本。