「供應心臟養分的動脈直徑大約只有 3mm，所以一顆『鼻屎』掉下去就卡住了。」心臟內科專家暨醫學博士張詩聖強調心肌梗塞的分秒必爭，正可讓 AI 大顯身手。因此他身兼中國醫藥大學附設醫院「人工智慧與機器人創新中心」主任，與團隊開發 ECG AI 模型，可自動判讀心電圖，並直接發送簡訊給值班醫師與開單，有效縮短假日和夜間的救治時間，而這套系統已導入臺中市消防隊救護車。
除此之外,中醫大 AI 團隊還研發許多實務應用，包括:細菌鑑定，利用質譜儀訊號偵測金黃色葡萄球菌的抗藥性，節省傳統培養需候時 48 小時。還有可幫護理師將語音紀錄轉為文字的 AI 代理人，甚至能幫醫師處理繁瑣的請假或報加班程序。而視覺模型則訓練 AI 看懂 X 光片，以區分肺炎或是心臟衰竭導致的肺積水。
這場講座是工程科技學院的院週會，院長許豪仁開場特別感謝張詩聖醫師，遠道臺中「開車橫跨台灣弧線」到花蓮，與現場將近九十位師生分享「讓 AI 走進臨床:從心血管醫學到智慧醫療實踐」。許院長強調,張醫師是臨床名醫,更是將學術研究轉化為實際醫療產品的先驅。張醫師則謙虛地表示，雖然自己不見得比本科同學擅長算法設計，但他希望能分享「有用的東西」，讓 AI 真正走進診間，如今他領導的團隊約有 50 人，包含 30 餘位工程師與 4 位醫師，並已取得 6 項台灣 FDA 軟體認證。
談到技術細節，張醫師回憶在美國梅約診所 (Mayo Clinic) 進修，提醒想投入醫學 AI 的同學：「標籤(labeling)是非常痛苦的！」因為他曾為了一個專案畫了兩百多筆病人的血管圖，且每畫一個血管就要花上一小時。「分給我 100 個小時的標記工作，想到手都軟了！」
至於外界質疑 AI 只有 95%的準確度是否夠用？張醫師反問：「醫師國考及格是 60 分，這代表醫生也會犯錯。」雖然醫師會透過後續追蹤與多重檢查來降低風險，但 AI 在大規模、高強度的初步篩檢上，展現比人類更穩定的判讀力。而目前趨勢是利用 Foundation Model(基礎模型)，只需 10%的標籤量就能達到極佳準確度，讓開發罕見疾病的 AI 診斷不再遙不可及。
會後 Q&A，醫工系大一黃聿騏提問 Foundation Model(基礎模型)與傳統深度學習的差異，張醫師指出三大核心優勢：首先是提升精確度，在心電圖判讀比單一模型更準;其次是籤效率，對於罕見疾病或醫學影像標記只需 10%的資料量就能達到極佳效果;最後是泛化性，因為使用全球開源模型訓練，能適應不同醫院的機器與場域。
醫工系大三黃嬿臻則問：「醫生的判斷力會不會因為過度依賴 AI而退化?」張醫師說：「應該是說不至於，但是我真心的答案是一定會。」並舉例他小時候能背二、三十個人電話，如今除了自己和家人的，幾乎全忘了，「這就是一種 de-skill(去技術化)」。但他提醒，與其擔心變笨或失業，不如學會善用工具。「AI 應該就是下一個時代的一個很重要的工具，你不可能去無視它，那與其自己抗拒它，不如去了解它,然後去善用它，然後把它用得好！」
醫工系大一陳廷恩詢問想同時跨足 AI 與醫學，該「雙管齊下」還是「專精一方」?張醫師建議先「專精一邊」，因為如果「我是一個很強的醫生，我會想找一個工程很強的人合作」。他也提醒溝通時切忌「專業傲慢」，以免找不到合作夥伴。