隨著 AI 技術與醫療產業的深度結合，具備流行病學與生物統計背景的人才，在科技產業中有哪些發展機會？本次職涯分享會邀請到任職於鴻海科技集團數位健康團隊的莊景榮、楊長融與邱柏均，分別從產業趨勢、研發實務與跨域職涯規劃三個面向，帶來業界的真實經驗分享。

莊景榮｜打造生醫職涯的「雙刀流」生存指南

活動開場，莊景榮以「雙刀流生存指南」為題，介紹鴻海從傳統製造業邁向科技業的「3+3+3」轉型策略。在醫療 AI 的佈局上，他指出台灣具備三大發展優勢：豐富的醫療數據、堅實的模型研發實力，以及成熟的科技產業鏈。

接著，他介紹了鴻海科技 CoDoctorAI 的發展藍圖。做為串連院內外應用場域的橋樑，團隊致力於建構「端雲整合」生態鏈，從自家的硬體量測設備切入，結合雲端資料整合與演算法開發，最終提供雲端算力服務並建置多模態醫學模型，以期實現個人化精準醫療。

此外，他解析了業界 AI 醫材軟體的開發流程，並點出「業界與學界在取得及處理臨床資料上的差異」，幫助同學建立對產業實務的正確認知。

最後，他引導同學盤點自身公衛與生統背景的優勢。他強調，無論是具備醫學與工學的「雙語」跨界轉譯能力、熟悉巨量數據與法規合規性，或是進一步掌握專案管理與商業模式，都是將臨床痛點轉化為工程規格的關鍵，藉此鼓勵同學以自身專業為底蘊，精準對接科技產業的人才需求。

楊長融｜醫療 AI 研發實錄：我以為是來跑模型，其實是在跨界修煉寫文件

楊長融則以自身參與鴻海心電圖專案、開發AI 輔助診斷模型的經驗，分享研發人員的日常工作樣貌。

他坦言，自己過去未曾接觸數位訊號處理與心電圖相關知識，入職初期花費了大量時間熟悉新領域。他強調：「進入職場不需要一開始什麼都會，但必須具備『把不熟悉的事物變成熟練技能』的學習方法。」

同時，他也打破了許多人對研發工作的迷思：在醫療領域，開發 AI 模型只是產品生命週期的一環。為了讓產品符合商轉標準，研發人員除了寫程式，更需要產出大量的合規與驗證文件。

最後，他給予同學三項務實的建議：

• 掌握「把陌生變熟悉」的系統性學習方法。
• 不只專注於技術開發，也要具備將開發過程與邏輯清晰文件化的能力。
• 保持持續學習與快速試錯的習慣。

邱柏均｜跨域發展的策略思維：從生技、金融到科技業

邱柏均則匯總了他橫跨生技、金融與科技產業的實務經驗，客觀比較了這三個產業截然不同的生態系，以及各領域看重的關鍵技能與程式語言能力，幫助同學具象化不同產業的差異。

除了分享團隊如何將機器學習技術落地於現有產品，他也建議同學，在面對AI工具的快速迭代，應善用AI輔助工具來優化自身的工作效率與程式開發能力。

最後，他提供了一個多面向的職涯評估框架，引導同學在未來面臨工作選擇時，能更有系統地評估工作性質與自身發展方向的契合度。

從流病生統跨足科技產業，所謂的專業優勢，不僅在於統計建模與資料處理的硬實力，更包含跨部門溝通、流程釐清與撰寫合規文件等軟實力。三位講者的實務分享，為有志投入醫療 AI 與生醫科技領域的同學，提供了具體的職涯參考方向。

圖、所長開場致詞

圖、江濬如老師頒發感謝狀予講者莊景榮

圖、江濬如老師頒發感謝狀予講者邱柏均

圖、江濬如老師頒發感謝狀予講者楊長融

圖、江濬如老師與三位講者合影

圖、學生與講者於問答時間進行深度交流