#033⛰️ TY｜個資不能上雲，疾管署如何用 3 款地端 AI 工具解放同仁

疾管署有一群同仁，每天的工作是和病患個資打交道。疫調報告要把姓名逐一遮掉；手寫病歷要人工謄打再馬賽克；病審會議的錄音檔裡被醫生不小心喊出的個案本名，得靠人耳挑出來剪掉。一份病歷審查會議的逐字稿，人工聽打加消音，要花 27 個小時。

這些苦差事，是 AI 推動辦公室決定先解決的問題。

五個人的綠洲

疾管署在 2025 年 9 月成立了 AI 推動辦公室，英文名 OASIS，取 Office of AI Strategy, Innovation, and Synergy 的縮寫，也自詡為署內「綠洲」。辦公室成員只有五個人：一位簡任技正、一位約用資訊助理 TY，加上三位研發替代役。一台裝了兩張 NVIDIA RTX 2080 Ti 的 Linux Server，就是他們的開發環境。

「我們是公衛單位，手上大量資料都牽涉病患個資，」TY 在五月小聚中分享，「資料要做延伸應用之前，去識別化是第一道關卡。」

他們盤點了署內同仁處理個資的三大場景：文字、圖像、語音，然後針對每一種，各做了一款去識別化工具。

場景一｜疫調報告裡的人名，逐筆手動換成「陳○○」

處理疫調報告和個案訪視紀錄的同仁，過去在把資料交給其他人員或進一步分析之前，得先把文件中的姓名逐一替換成「陳某」「林某」或「林○○」。文件一長，確認有沒有漏掉名字就很耗神。

AI 推動辦公室做的第一款工具，是一個 Chrome 擴充功能。安裝之後，同仁在瀏覽器上閱讀任何文件或輸入框內文字段落，工具都能自動辨識文中人名，一鍵替換成代名詞（A、B、C），並直接渲染回網頁原文，或置換文字段落內人名。如果想調整某個名字對應的代名詞，也能單筆修改；代名詞職稱也能客製，如：病患A、個案A等。處理完畢後，還能匯出一份 CSV 對照表，記錄「小明 = 病患A、小美 = 病患B」，方便後續查核。

TY 現場示範時，拿了一篇提到疾管署署長羅一鈞的新聞稿，按下辨識，幾秒內人名就被標記出來，點選替換，原文上的名字消失。「它也支援很長的文本，」他說，「不管裡面出現幾十個名字，邏輯是一樣的。」

除了 Chrome 擴充功能，這款工具也提供了 .exe 安裝檔，同仁可以將excel檔放入後跑出去識別化的檔案。讓不同使用習慣的同仁都能找到順手的入口。

場景二｜手寫疫調單，先辨識、再遮蔽

第二個痛點來自圖像。疫調單和病歷常包含手寫紀錄，過去同仁得先人工謄打內容，再回頭把個資遮掉，兩道工序都費時。

AI 推動辦公室把這件事拆成兩種功能。第一個功能是「選你所要」：同仁上傳疫調單的掃描檔或照片後，框選想辨識的區域，系統就會進行文字辨識（OCR），把印刷體與手寫體一併轉成電子文字，方便後續複製到報告裡。TY 在現場示範了一張疫調紀錄，框選後系統輸出了個案的旅遊史摘要，「可以知道這個人幾月幾號去了泰國，然後他有沒有相關的內容。」

第二個功能是「遮你不要」：上傳一份病歷，系統自動辨識其中的個資欄位並貼上馬賽克，同仁也能手動增刪遮蔽範圍。正面框選與負面遮蔽，兩種需求都能搞定。

場景三｜醫生在會議中喊出個案姓名，怎麼辦？

第三個場景，是開頭提到的病審會議錄音。

第三款工具結合了語音轉錄與姓名消音。同仁丟入音檔或影片檔，程式會自動辨識語音中的人名並消音，同時產出逐字稿。TY 在現場播放了一段新聞影片的原音：「疾管署署長羅一鈞親自解析防疫戰略」，接著播放處理後的版本，同一個段落變成了「疾管署署長……親自解析防疫戰略」，名字被抹去、消音留白。

導入這款工具後，同一份病審逐字稿的處理時間，從 27 小時降到了 9 小時。

全部跑在地端，個資不出機房

三款工具背後共用同一套核心技術：中研院開發的 NER（Named Entity Recognition，專有名詞辨識）。NER 能從一段文字中自動抓出人名、地名、機構名等實體。在此基礎上，團隊再疊加了內政部的姓氏統計資料，以及常見職稱和稱謂（如「主任」「醫師」），提升對中文姓名的辨識精準度，最後導入地端模型。

「全部都是地端應用，」TY 說。這是公部門的要求，疾管署的 AI 使用指引明確規定，個資嚴禁上雲。所有運算都在署內那台 Linux Server 或同仁自己的桌機上完成，資料不會離開機房。

讓工具去配合使用者，而非反過來

三款工具分別以 Chrome 擴充功能、網頁工具、.exe 安裝檔的形態部署，背後有一個設計邏輯：盡可能讓工具出現在同仁原本就在取用資料的場景旁邊。

「我們希望減少同仁的情境轉換成本，」TY 說。在瀏覽器上讀文件的人，不需要另外開一個軟體；拿到紙本掃描檔的人，打開網頁就能處理；負責音檔的人，下載一個執行檔就能跑。工具融進既有流程，摩擦力降到最低。

從一個工具到一座永動機

去識別化工具只是 AI 推動辦公室切入署內的其中一個案例。但這個案例驗證了他們的推動模式：先透過每週五半小時的 AI 分享會讓同仁認識辦公室在做什麼，建立信任之後，業務單位開始主動帶著需求來敲門，辦公室把需求轉化成工具，再把成果案例帶回分享會，吸引更多單位加入。

TY 把這個循環稱為「AI 永動機」。從今年三月啟動至小聚分享當日5/13：

• AI 分享會已辦 8 場，平均每場 161 人次參與
• 署內 AI 知識交流聊天室有 227 名同仁加入，約佔全署近四分之一
• 內部工具平台上架 19 款自製應用，活躍使用者 372 人，佔全署近四成

而讓團隊感到值得的，是那些來自第一線同仁的訊息。一位同仁寫道：「這份工作其實超出我的能力，孤立無援、壓力很大，疲乏無力時有個意念想說問一下 AI 辦看看……」另一位同仁的回饋則是：「超級感謝的！讓我省很多力，心理壓力也瞬間下降！」

五個人的辦公室、兩張顯示卡的伺服器，在公部門的管制環境裡，他們種出了一片綠洲。而這片綠洲正在擴散，成立以來，諮詢與協作交流已觸及近 45 個單位，從健保署、勞動部，到荷蘭和菲律賓，都有了足跡。

「希望每一次和同仁的交流，都能了解業務背後的痛點，」TY 說，「然後慢慢把這些解法，變成署內的文化。」

這篇文章整理自 TY 在 2026 年 5 月小聚的分享，原題《疾管署內的 AI 綠洲》。如果想回到當天的資料，可以看這份演講簡報。

TY 是衛福部疾管署 AI 推動辦公室的約用資訊助理，參與署內 AI 工具推動與應用落地。這次分享聚焦在高度管制的公部門環境裡，如何把去識別化工具做成同仁真的用得上的工作流。

Q&A：

這是會眾當天在 Discord 上對於 TY 的提問，以及她給我們的回答：

1. 這些工具是否都是單位自己開發的？

• 工具都是單位自己開發的。

2. 這些工具是否可供民間使用或開源？

•  開源事宜，正在研究相關法務與行政流程中。

3. 公部門可用或不可用哪些地端模型，數發部是否有指引？

• 數發部有建立AIEC檢測中心協助評測模型。另也有相關AI風險分類框架正在草擬中，詳見數發部AI專區。

4. 模糊圖片是否也屬於去識別化展示？

• 模糊圖片屬小聚現場網路連線不穩所致。