台灣生技醫療的發展，隨著產官學研醫法政逐步採用大數據分析與機器學習概念思維，已有不少研究和產業應用，諸如生醫大數據及生物大數據。台灣目前醫療人工智慧(AI)除了病理科、放射科、腫瘤科的病灶分析與輔助診斷以外，在基因體、精準醫學、刑事鑑定、COVID-19(新冠肺炎)疫情都有諸多應用。
生醫大數據 應用於乳癌與法醫鑑定
台灣大學生醫電資所教授暨工業技術研究院生醫與醫材研究所副所長莊曜宇分析，在AI工具協助下，生物大數據及醫學影像已有相當多應用，而目前正在研究的乳癌與法醫刑事鑑定應用：透過卷積神經網路(Convolutional Neural Network；CNN)模型，預測乳癌分子分型；在案發現場的檢體鑑定，判別施暴者或受害者的血液，都已能朝高準確的結果發展。
藉由病理切片影像分析，瞭解乳癌的分子分型，工作流程包括了準備全玻片影像、標記影像、分出LumA、LumB、Basal、HER2等分型，後續藉由CNN遷移學習等過程產出視覺化的預測模型。測試過6種CNN演算法後，在ResNet101的表現上，已能達到90%準確率。
在與台大法醫研究所合作法醫刑事鑑定的應用上，藉由已知的DNA資料庫、受害者的DNA等不同樣本與比例的多重資料庫來混合分析判定，透過CNN訓練模型，接著再利用混合的測試數據集分析成分，已能得到97%準確度的成效，已可以判定樣本有70%機率從B5類別而來，30%機率從C9類別而來。
醫療AI 需整合領域知識與多重專家
目前在竹北極力推動新創加速與智慧長照的莊曜宇表示，醫療AI的領域中，需要整合領域知識、臨床資訊、生物醫學影像特徵等，才有辦法驗證產出結果是否正確、產生更多元的跨界應用、分析跨地域和疾病的細分類等。
次世代基因定序一次實驗會產生10TB的數據，儲存空間與運算效能都在在影響著底層技術的研發與未來精準醫學的應用。藉由Micro RNA運算找出對應調控的RNA，比方說，Micro RNA可以調控20個基因，20個基因又分布在很多不同路徑(pathway)，AI工具都能協助排序。