AI 醫療是用機器學習與影像辨識等技術，協助醫師判讀影像、預測風險、整理病歷與加速研究；高中生學 AI 醫療不需要先懂醫學，需要的是基本的 Python、統計概念，以及把一個醫療問題轉成資料問題的能力。以下是想走醫學、生醫、資工方向的學生與家長最常問的問題。
AI 現在在醫院裡實際做什麼？
最成熟的是醫學影像：從 X 光、電腦斷層、眼底影像中標記可疑區域，讓醫師優先處理。其次是風險預測：用病歷與生理數值預測敗血症、再入院等風險。再來是文件處理：用大型語言模型摘要病歷、整理文獻。共同點是 AI 是「輔助」而不是「取代」，最終決定仍由醫師做出，這也是每一個 AI 醫療專題都要討論的倫理問題。
高中生需要哪些基礎？數學要多好？
入門階段需要三樣：（1）Python 基本語法，能讀懂並修改別人的程式即可，大約 10 到 20 小時的學習量；（2）高中程度的統計概念：平均、標準差、機率、相關；（3）看懂混淆矩陣、準確率、敏感度、特異度這幾個評估指標，因為醫療 AI 最在意的就是「漏診」與「誤診」的取捨。微積分與線性代數是大學以後深入時才需要的。
高中生可以做哪些 AI 醫療專題？
- 用公開的胸腔 X 光或皮膚病灶影像資料集，訓練一個分類模型，並分析它在哪些情況下會判錯
- 用糖尿病、心臟病等公開表格資料做風險預測，比較不同特徵的重要性
- 設計一個衛教問答助理，並測試它什麼時候會給出不該給的建議
- 調查一項醫療 AI 產品的臨床試驗與法規審查流程，寫成分析報告
全部都可以用公開資料集完成，不會接觸真實病人資料。Kaggle、UCI Machine Learning Repository、PhysioNet 都有教學用的去識別化醫療資料集。
對申請醫學系、生醫系有幫助嗎？
有，但重點不是「會 AI」，而是專題裡展現的特質：對醫療問題的好奇、用資料求證的習慣、對模型限制與倫理的反思。醫學系面試近年常問 AI 與醫療的關係，有一份自己動手做過的專題，回答會具體很多。請把「模型為什麼判錯」與「如果是真的醫院會怎樣」這兩段寫進學習歷程，這是教授最想看到的部分。備審寫法見學習歷程怎麼寫，高中生探索醫學方向的寒假安排見想讀醫學系的高中生寒假可以做什麼。
自學跟參加營隊的差別在哪裡？
自學可以學會工具，但很難學到「醫療現場怎麼想」：哪些問題醫師真的在意、資料為什麼這樣收、模型上線前要過哪些關。有臨床醫師與教授帶的課程，價值在於這些現場知識，以及在有限時間內被推著完成一份完整專題。
想在大學裡跟著醫師與教授做一次？
AI4kids 與國立臺灣大學合辦的 AI 醫療專題實作營，四天由大學教授與臨床醫師帶高中生從醫療資料、影像辨識到模型訓練，最後以黑客松發表專題，開課前提供 Python 先修線上課。當季營隊資訊見營隊總覽頁。