大型語言模型能協助閱讀病歷、整理資訊與進行資料分析，但當 AI 開始接觸真實醫療資料，問題也不只是「模型能做什麼」，而是「哪些資料應該提供給模型，又該如何提供？」病歷中除了姓名、身分證字號、電話、地址與病歷號等資訊，日期、地理位置或其他看似無法直接辨識個人的內容，在交叉比對後也可能增加重新識別的風險。如何在運用 AI 的同時守住資料邊界，也成為醫療 AI 實際應用時必須面對的課題。

延續前兩堂癌症登記輔助與疾病分類的應用主題，LLM-MCP 醫療 AI 應用系列課程第三堂將聚焦「將病歷去識別化工具封裝為 MCP 工具之應用」。課程將從《個人資料保護法》中特種個人資料的相關概念出發，帶領學員認識病歷中常見的直接識別資訊、醫療識別資訊、地理與時間資訊及準識別資訊。病歷去識別化並不是單純遮掉姓名，也不是將所有資料刪除，而是在降低個人識別風險的同時，盡可能保留診斷、檢驗數值、用藥與症狀等後續分析所需要的臨床資訊，讓資料保護與實際應用之間取得適當平衡。

完成去識別化之後，下一個問題是：AI 要如何取得這些資料？這正是 MCP 在本堂課中扮演的角色。MCP 本身不是去識別化演算法，而是讓 AI Agent 透過受控工具取得資料的連接方式。系統可以只開放任務所需要的工具，並將資料過濾、去識別化與相關安全處理納入流程，讓原始病歷保留在本地環境，再將處理後的資訊提供給後續 AI 應用。透過這樣的設計，重點不再只是讓 AI「取得資料」，而是進一步思考 AI 應該取得哪些資料，以及透過什麼方式取得。

課程最後將透過 Local-Safe-EMR-MCP 進行實際展示，從本地病歷查詢、去識別化處理，到 MCP 工具串接與通訊觀察，呈現醫療資料如何經過受控流程後再提供給 AI 使用。透過實際操作，學員可以更清楚掌握 LLM、MCP 與去識別化工具在整體架構中的分工，也進一步理解醫療 AI 的安全應用，不只是持續拓展模型能力，更重要的是讓 AI 在適當的資料邊界內，取得完成任務真正需要的資訊。

課程資訊
課程名稱：LLM-MCP 醫療 AI 應用系列課程（三）：將病歷去識別化工具封裝為MCP 工具之應用
課程影片上架時間：8月28日 14:00
課程講師：趙梓叡 碩士｜醫療 AI 應用工程師
課程形式：線上課程影片
播放方式：課程影片將於 GHD YouTube 頻道上架，供有興趣者線上觀看。
GHD YouTube 頻道：https://youtube.com/@taiwangatewaytohealthdata?si=RWgffY6rRuH6NEIP
報名／登記連結：https://forms.gle/1GQ44khsNyEeWXQM7
適合對象：醫療資訊系統開發者、臨床與研究人員、疾病分類與醫療編碼相關人員、AI／ML 與資料分析人員，以及對智慧醫療與 AI 輔助流程有興趣者

後續課程影片上架時間將另行公告，敬請期待。