對應科系：醫學系、生醫工程系
AI 肺部影像辨識實驗室
醫師每天要看大量胸腔 X 光。你會用公開的醫學影像資料集訓練模型，讓 AI 標出可能的異常陰影，體驗判讀影像、決定下一步檢查的臨床推理。
- PneumoniaMNIST：5,856 張兒童胸腔 X 光（肺炎／正常）
- 從資料切分、訓練到看懂準確率與誤判
- 討論 AI 判讀錯誤時，誰該負責、該怎麼把關
示意圖營隊名額即將額滿！
早鳥優惠倒數！還剩
Sound Familiar?
想讀三類組，卻還沒找到方向？
三類組只認識醫學系？
醫檢、藥學、生醫工程、物治職治、生科生技……名字都聽過，但說不出他們每天在做什麼。
填志願只能看分數？
沒有真的碰過這些工作，只能靠排名和別人的建議，選完才發現跟想像中不一樣。
AI 會不會取代醫療工作？
新聞天天在講 AI 醫療，卻沒有人帶你看 AI 在醫院裡實際做了什麼、又做不到什麼。
這兩天，你不用再想像。
跟著一位病人走一遍醫院，看每個科系怎麼接力；
再親手訓練醫學影像 AI、拆解醫院資訊系統，最後組隊做出自己的智慧醫療提案。
Why Now
政府五年投入 489 億，醫療正在走向 AI
衛福部「健康台灣深耕計畫」已於 114 年 2 月 28 日核定，
把「導入智慧科技醫療」列為四大主軸之一。等你上大學、進醫院的那幾年，
正好是智慧醫療大規模落地的時候。
489 億
核定總經費
5 年
114–118 年執行期程
4 大
計畫主軸
18 項
具體目標
健康台灣深耕計畫四大主軸
- 01
優化醫療工作條件
醫護安心挺病人
優質環境挺醫護 - 02
規劃多元人才培訓
培養醫療人才力
本營隊聚焦
守護健康更專業 - 03
導入智慧科技醫療
智慧醫療精準化
本營隊聚焦
健康照護更給力 - 04
社會責任醫療永續
健康守護零距離
永續醫療共前行
健康台灣
深耕計畫
計畫期待「智慧醫療精準化，健康照護更給力」，重點之一是導入智慧科技協助臨床醫療，優化醫療照顧流程與效率。這代表未來的醫院不只需要醫師、醫檢師與藥師，也需要看得懂病歷資料、會用 AI、懂 HIS、LIS 與 FHIR 標準的人，把各個系統串在一起。
這兩天營隊做的事，就是讓你提早站在這個交會點上：先認識三類組各科系在醫療現場的分工，再親手訓練醫學影像 AI、認識醫院資訊系統，最後用黑客松提出你自己的智慧醫療解法。
One Patient, Seven Departments
同一個醫療問題，不同科系在做什麼？
跟著一位肺炎病人走一趟醫院，你會發現從看診、檢驗、用藥到復健，
背後是七種科系一起接力。先認識每一站，再親手做做看其中的關鍵工作。
- STEP 01 · 看診
醫學系
臨床推理、判讀資料、決定下一步檢查
病人發燒、咳嗽三天。醫師問診、聽診後，決定抽血並照胸部 X 光。
- STEP 02 · 抽血檢驗
醫檢系
血球辨識、檢體分析、品質控制
醫檢師在顯微鏡下分辨白血球種類，確認數值可信，再把報告送回醫師。
- STEP 03 · 監測與儀器
生醫工程系
生理訊號、醫療儀器、演算法
血氧機、X 光機與監視器持續收集訊號，演算法幫忙抓出異常變化。
- STEP 04 · 開藥
藥學系
藥物安全與交互作用確認
藥師核對抗生素劑量，確認跟病人平常吃的藥不會互相干擾。
- STEP 05 · 病歷整合
醫療資訊相關領域
病歷整合、AI 資料處理
檢驗、影像、用藥紀錄散在不同系統，要靠 HIS、LIS 與 FHIR 串成一份完整病歷。
- STEP 06 · 復健
物治／職治系
人體動作評估、復健科技
出院前評估呼吸與活動能力，設計讓病人回到日常生活的復健計畫。
- STEP 07 · 研究
生科／生技系
DNA、蛋白質、生物資訊
從檢體定序找出致病原，用生物資訊分析抗藥性，幫下一位病人更快對症下藥。
YOUR TURN
哪一站最讓你好奇？
營隊兩天會帶你實際做做看其中幾站的工作，幫你找到最適合自己的科系。
※ 情境為教學用的簡化流程，實際臨床分工依醫院與病況而異。
Day 1 · Hands-on Labs
醫療資訊 AI 實作課程
不只聽演講，你會親手訓練醫療影像 AI 模型，
從真實的醫學影像中，看見 AI 如何協助醫療判斷。
對應科系：醫檢系、醫療資訊相關領域
AI 血球辨識實驗室
醫檢師在顯微鏡下分辨白血球種類，是判斷感染與血液疾病的重要線索。你會訓練分類模型，讓 AI 分辨嗜中性球等不同血球。
- BloodMNIST：17,092 張血球顯微影像、8 種類別
- 比較人眼辨識與 AI 分類的速度和穩定度
- 理解檢驗品質控制為什麼不能只交給 AI
※ 實作使用公開、已去識別化的 MedMNIST 研究資料集，不會接觸任何可辨識個人身分的病歷。實際使用之子資料集依課程安排調整。
Day 2 · Inside the Hospital
醫院裡看不見的系統，誰在打造？
病人在 A 醫院抽的血、在 B 醫院照的 X 光，為什麼常常要重做？
第二天帶你認識醫療資訊工程師的工作，拆解醫院的資訊基礎建設，看懂醫療資料怎麼流動。
示意圖HIS
醫院資訊系統 Hospital Information System
醫院的大腦：掛號、看診、開藥、住院、批價，全部記錄在這裡。
LIS
檢驗資訊系統 Laboratory Information System
檢驗科的工作台：從抽血、上機分析到發出報告，每一管檢體都追蹤得到。
FHIR
Fast Healthcare Interoperability Resources
醫療資料的共通語言：讓不同醫院、不同廠商的系統，看得懂彼此的病歷。
TW Core IG
臺灣核心實作指引
衛福部發布的「台灣版 FHIR 寫法」，規定病人、檢驗、用藥資料在台灣該怎麼表示。
正在發生的事
2026 年 5 月，衛福部在國科會委員會議展示「FHIR Box」，以 FHIR 標準串接長庚、馬偕、中山等醫院體系，在不更換既有 HIS 的前提下做到跨院病歷交換；國科會更表示預計兩年內推廣至全國。醫院之間的資料要真正互通，需要同時懂醫療、懂資訊的人才，這就是醫療資訊工程師的舞台。
資料來源：經濟日報〈衛福部秀「FHIR Box」跨院病歷互通〉→Hands-on in Action
實作型營隊，現場長這樣
NATCP 的營隊不只聽講，更重視動手做。這支是 2026 暑假 IC Design 半導體電機系營的回顧，看看學員怎麼從零開始，一步步做出自己的作品。
Day 2 · Hackathon
AI 醫療資訊黑客松：換你來改善醫院
學了 HIS、LIS 與 FHIR 之後，下午分組挑一個醫療現場的問題，
用 AI 做出改善醫療資訊基礎建設的解決方案，並上台發表。
示意圖STEP 1
跨科系組隊
依興趣分組，試著從醫師、醫檢師、工程師等不同角色思考同一個問題。
STEP 2
找問題、做原型
從真實醫療痛點出發，用 AI 工具快速做出可展示的原型。
STEP 3
上台發表
向講師與同學說明你的解法，獲得專業回饋與講評。
題目方向參考
跨院病歷小幫手
病人轉院時，能不能用 FHIR 把檢驗、用藥紀錄整理成醫師一眼看懂的摘要？
檢驗報告異常提醒
LIS 每天產生大量報告，AI 能不能先挑出需要優先處理的異常值？
用藥安全守門員
結合病人的用藥紀錄，提醒可能的藥物交互作用，幫藥師多一道防線。
※ 題目僅為示例，實際題目於營隊當天公布。
課程表
兩日課程：三類組科系介紹、醫療 AI 實作與黑客松專題發表。
從 MedMNIST 機器學習到 HIS、LIS 與 FHIR 醫療資訊系統，體驗醫療工程師的日常。
| 第一日 02/01（一）三類組介紹 | |
|---|---|
| 10:00–12:00 | 專題演講：認識第三類組，同一個醫療問題，醫學、醫檢、藥學、生醫工程、醫療資訊、物治職治與生科生技各在做什麼 |
| 12:00–13:30 | 🍽️ 午餐 |
| 13:30–14:20 | 實作專題體驗：機器學習入門與 MedMNIST 醫學影像資料集 |
| 14:20–15:10 | 實作專題體驗：訓練你的第一個醫學影像分類模型 |
| 15:10–16:00 | 實作成果分享與討論 |
| 16:00– | 回宿舍／自由時間 |
| 第二日 02/02（二）醫療工程師介紹＆專題實作 | |
|---|---|
| 10:00–11:00 | 醫院資訊基礎建設介紹：HIS、LIS 等醫院系統如何運作 |
| 11:00–12:00 | 醫療資料交換標準：FHIR 與 TW Core IG |
| 12:00–13:30 | 🍽️ 午餐 |
| 13:30–15:10 | AI 醫療資訊黑客松：運用 AI 打造改善 HIS、LIS、FHIR 的解決方案，提升醫療資訊基礎建設 |
| 15:10–16:00 | 專題發表與講師講評 |
| 16:00– | 🎓 結業式暨賦歸 |
課程表僅為初步安排，實際內容與時間安排可能因應情況有所調整。
What You Take Home
兩天之後，你會帶走這些
一張三類組科系地圖
清楚知道醫學、醫檢、藥學、生醫工程、醫療資訊、物治職治、生科生技各自在醫療現場的位置。
親手訓練的醫學影像 AI
從資料到模型跑一遍，知道 AI 能幫醫療做什麼，也知道它的極限在哪裡。
看懂醫院資訊系統
認識 HIS、LIS、FHIR 與 TW Core IG，理解病歷資料如何在醫院之間流動。
一份團隊專題作品
黑客松從發想、實作到上台發表的完整經驗，是整理自主學習與反思的好素材。
這個營隊適合你，如果你……
招收國中生、高中生，不需要先修程式設計或生物醫學背景。
- 想讀三類組，但還在醫學、醫檢、藥學、生醫之間猶豫
- 對 AI 有興趣，想知道它怎麼用在醫療
- 想在選組、選系前，先實際體驗科系在做什麼
- 沒寫過程式也沒關係，課程從零開始帶
NATCP 過往講師回顧
2025 暑期營隊講師陣容 - 來自業界與學界的頂尖專家
清大電機 楊雅棠教授
講授資訊領域學習方式與升學
清大資工 王俊堯教授
講授資訊領域學習方式與升學
台科大資工 鄧惟中教授
講授資安領域相關知識、教育部AIS3計畫
台大資工 廖世偉教授
介紹區塊鏈領域與Web3
2025 暑期營隊、2026 寒假營隊圓滿成功
感謝以上優秀講師的精彩授課，每一期營隊我們都會延續這份專業與熱情Camp Highlights
NATCP 營隊現場回顧
想知道 NATCP 營隊現場是什麼樣子？這支是 2026 暑假 GenAI 資安資工營的回顧影片，聽聽參加過的同學和教授們怎麼說，感受一下營隊的節奏與氛圍。
報名費用
報名費不包含住宿，有推薦住宿點可以參考
活動地點為國立陽明交通大學新竹光復校區（新竹市東區大學路 1001 號），建議先用 Google Maps 搜尋位置，再依需求自行聯繫住宿。
早鳥限量優惠方案至 11/8 截止，名額有限
常見問題
報名前最想知道的事
適合對醫學、醫檢、藥學、生醫工程、醫療資訊、物治職治或生科生技等第三類組科系有興趣，但還不確定要選哪個科系的國中生與高中生。不需要先修程式設計或生物醫學背景。
兩天課程時間皆為 10:00–16:00，包含中午用餐與休息時間。詳細課程安排請以頁面上的課程表及行前通知為準。
活動地點為國立陽明交通大學新竹光復校區（新竹市東區大學路 1001 號），完整教室與報到位置會在行前通知中提供。
需要。第一天下午的 MedMNIST 機器學習實作與第二天的黑客松都需要上機，請學員自備可正常連線的 Windows 或 Mac 筆電與充電器，課前會提供需要安裝的軟體與環境說明。
第一天透過專題演講認識第三類組各科系，下午以 MedMNIST 醫學影像資料集體驗機器學習；第二天認識醫院的 HIS、LIS 等資訊系統與 FHIR、TW Core IG 醫療資料交換標準，下午分組進行黑客松，用 AI 改善醫療資訊基礎建設並上台發表。
可以。實作課程會提供範例程式與逐步引導，重點在理解 AI 如何處理醫療資料，以及不同科系在同一個醫療問題中扮演的角色。
可以。課程設計以高中生為主，國中生只要對醫療或 AI 有興趣也非常歡迎，實作會提供範例與逐步引導，現場助教也會協助跟上進度。
不會接觸任何可辨識個人身分的病歷。機器學習實作使用公開、已去識別化的 MedMNIST 研究資料集，FHIR 與醫院資訊系統的練習則使用教學用的模擬資料。
一般醫學營多以醫學系課程與臨床體驗為主；這個營隊從「同一個醫療問題」出發，一次認識醫學、醫檢、藥學、生醫工程、醫療資訊、物治職治與生科生技等七個方向，並加入醫學影像 AI、HIS／LIS 與 FHIR 的實作與黑客松，適合還在比較三類組科系的學生。
學員於開營日前第十五日以前提出退費申請者，退還已繳納費用總額之全額；於開營日前第十四日以後提出退費申請者，已繳納之費用不予退還。申請退費請來信 contact@natcp.org 或聯繫官方 LINE 粉專，提供訂單編號與姓名，我們將於 14 個工作天內依付款方式辦理退費。
報名前請留意
重要提醒
通知與公告
所有訊息通知與公告均以 Email 為主，請務必確認能收到信件。 有問題可以 私訊 LINE 粉專；原則上不會透過其他方式通知。
活動照片
原則上會拍攝活動照片，每位學員至少會有一張與小組的獎狀／證照合照。 照片需要時間整理，將於營期結束後 30 天內 提供。
主辦單位
國立陽明交通大學人工智慧社
營隊地址
國立陽明交通大學新竹光復校區（新竹市東區大學路 1001 號）
- 立即諮詢:(+886) 958-381-426 (張同學)
- 電子郵箱:contact@natcp.org
您有任何不理解或有疑問的地方，請直接 LINE 詢問！
