NTL Healthcare 子宮頸篩查 AI 改為本地部署，惟安全性仍取決於診所

NTL Healthcare 於 10 月 15 日推出採用全新本地部署配置的子宮頸篩查 AI，讓診所可選擇不透過雲端服務傳送敏感影像。這次推出帶來明確取捨：CerviCARE AI AT 讓醫療機構能更直接掌控數據，但亦將更多保安與維護責任轉移至其本地團隊。

這間南韓公司表示，CerviCARE AI AT 可在本地 PC 上進行 AI 分析及管理相關數據。根據公司發布的公告，它毋須專用伺服器或雲端基礎設施。該軟件保留現有軟件即服務版本的核心影像分析功能，並加入 DICOM 檔案生成功能。

這種設計相當重要，因為子宮頸影像包含敏感健康資訊，而進軍國際市場會令醫療 AI 供應商面對不同的私隱規則及醫院政策。然而，本地處理並不必然代表處理過程安全。醫院仍須保護端點、管理存取權限、安裝更新、監察匯出活動，並判斷系統能否在其病人群體及影像設備上可靠運作。

NTL Healthcare 子宮頸篩查 AI 新增本地部署選項

直接改變在於架構：醫院現可在自己的 IT 環境內運行 CerviCARE AI AT，而非依賴公司的託管服務。

CerviCARE AI 分析子宮頸影像，並呈示旨在支援臨床篩查決策的結果。NTL Healthcare 現時透過兩種部署方式提供這項能力。機構可使用現有 SaaS 產品，或在本地安裝 CerviCARE AI AT。

根據 NTL Healthcare 的說法，新版本會在醫療機構內的 PC 上運行。因此，影像及相關記錄毋須為日常分析或儲存而離開該機構。對數據傳輸政策嚴格的診所，可繼續掌控這些檔案的存放位置。

對於無法批准雲端處理的機構而言，這不只是包裝上的改變。醫療機構往往會評估病人資訊的流向、哪些外部實體可存取資訊，以及資料在外部系統保留多久。本地版本可透過免除向供應商託管服務作例行傳輸，減少其中一類風險曝露。

NTL Healthcare 亦加入 DICOM 生成功能。DICOM，即醫學數碼影像與通訊（Digital Imaging and Communications in Medicine），是儲存及交換醫療影像及其相關臨床資訊的國際標準。其作用不止於檔案副檔名，因為它界定了醫療影像的數據結構、中繼資料及通訊方法。

DICOM 標準可協助系統將影像導入既有的臨床檔案庫及工作流程。對買家而言，這種互通性或許與 AI 模型的部署位置同樣重要。若臨床醫生無法將結果連接至病人更完整的記錄，僅留在單一工作站上的結果價值有限。

然而，NTL Healthcare 尚未在公告中公開提供詳細的整合規格。公告未有列明支援哪些影像歸檔系統、電子健康記錄介面或 DICOM 一致性設定檔。買家在假設所生成的檔案可順利通過既有基礎設施前，將需要這些詳情。

該公司亦未披露 CerviCARE AI AT 的工作站要求、本地儲存需求、更新流程或管理員控制項。這些營運細節將決定看似簡單的 PC 安裝方案，能否在多個地點持續易於管理。

公告將產品描述為全球推出，但全球可用並不代表在每個市場都獲得相同的監管許可。醫療軟件通常須取得特定市場的授權、註冊或機構批准。採購團隊應將部署套件的可用性，與獲准用於特定臨床用途的資格分開考慮。

當 AI 輸出會影響轉介、活組織檢查或治療決定時，這種區別尤其重要。CerviCARE AI 的定位是為專業人員提供決策支援，而非取代臨床判斷或既定診斷路徑。

為何醫療數據控制正成為產品功能

NTL Healthcare 正將部署位置轉化為競爭功能，因為醫療 AI 買家愈來愈重視數據管治，並將其與模型表現一併評估。

子宮頸篩查數據結合了醫療影像、病人識別資料、性與生殖健康資訊及診斷結果，屬於特別敏感的資料組合。即使外部服務採取嚴格保障措施，將這些記錄移出醫院仍可能引發法律、合約及技術問題。

本地部署讓機構對儲存位置及網絡路徑擁有更直接的管控權。它可讓存取權限配合既有的身分識別系統及內部資料保留規則，亦可支援網絡連線不穩定，或禁止特定醫療影像離開受控環境的設施。

這種彈性在設有數據駐留要求或雲端基礎設施有限的地區具價值。對於已維持獲批准本地影像網絡的醫院而言，它亦可能縮短內部審批流程。

不過，雲端處理本身並非天生與健康私隱規則不相容。在美國，聯邦雲端指引說明受規管實體如何在履行 HIPAA 義務的同時使用雲端服務。適當的合約、風險分析、存取控制及保障措施仍不可或缺。

因此，真正的選擇並不是安全的本地部署軟件與不安全的雲端軟件之間的二選一，而是兩種不同的責任分配方式。

在 SaaS 模式下，供應商通常會營運更多應用程式基礎設施、集中部署更新及監察其服務。醫療機構仍須承擔相當大的合規責任，但可透過合約將界定清楚的技術職能交由供應商處理。

使用本地部署軟件時，醫院可掌管更多數據傳輸路徑，同時亦須為更多可能失效的元件負責。這些元件包括工作站、作業系統、用戶帳戶、備份媒體、本地網絡、防毒控制、實體存取及軟件更新流程。

與公眾互聯網隔離的工作站可減少遙距風險曝露，但同一種隔離亦可能延遲修補程式或模型更新。本地儲存的影像可避免上載至外部，但保護不周的共用資料夾仍可能令過多員工存取。

DICOM 支援亦引入更廣闊的工作流程範圍。一旦檔案可進入影像檔案庫或傳送至另一系統，管理員便須確認存取控制及稽核記錄會隨之延續。本地生成並不保證資料會一直留在本地。

這些取捨為醫療 AI 供應商及醫院技術團隊帶來壓力。供應商須提供部署選項，同時避免不同安裝環境逐漸出現不一致的軟件版本。醫院則須判斷是否具備足夠人手及工具，以安全地維護這些安裝環境。

最完善的採購審查會詢問 CerviCARE AI AT 如何驗證用戶身分、加密已儲存檔案、記錄存取、匯出數據，以及接收保安更新。審查亦會檢視管理員能否停用可移除媒體、設定保留期限，並核實多個地點的軟件版本。

NTL Healthcare 的公開公告未有回答這些問題。這種缺失並不代表存在保安漏洞，而是表示這次推出支持一項數據控制的主張，但完整的保安論證仍取決於文件及本地實施情況。

本地處理改變風險，但不會消除風險

CerviCARE AI AT 減少了對外部數據傳輸的依賴，但每間運行它的診所都會成為產品保安邊界的一部分。

本地部署的醫療軟件可將資訊保留在醫院受控網絡內。這種架構可限制第三方保管，並提供可預期的儲存位置。它亦可能讓篩查服務在網絡中斷時維持可用。

這些優勢確實重要，尤其對偏遠設施而言。然而，「本地部署」一詞幾乎沒有說明機構保安措施的質素。

一間診所可將系統安裝於採用全磁碟加密、個別帳戶、受限制連接埠、自動備份及集中監察的受管理工作站上；另一間則可能將其置於使用共用密碼的共用 PC 上。兩種部署在技術上均屬本地，但實際風險可有顯著差異。

本地機器面對常見威脅。惡意軟件可加密醫療記錄，被盜用的憑證可令檔案外洩，而可移除磁碟機可將數據帶離機構。實體盜竊同樣重要，尤其當工作站直接儲存病人影像時。

維護帶來另一項風險。AI 醫療軟件不只包含預測模型，還依賴作業系統元件、驅動程式、影像處理函式庫及應用程式碼。每一層均需要明確的更新途徑。

醫院必須知道安裝保安修補程式會否影響經驗證的配置。供應商必須說明如何分發修復措施，以及各地點能否核實套件完整性。他們亦需要為緊急漏洞制定程序，以免小型診所只能等待人手上門服務。

模型更新引起另一組問題。中央託管系統可在符合監管及驗證要求的前提下，迅速讓每名客戶轉用經修正的模型。若部署管理不嚴格，本地安裝版本可能長期停留於不同版本。

版本分歧會影響網絡安全及臨床一致性。若模型、閾值或預處理元件不同，使用同一產品名稱的兩間診所可能得到不同輸出。因此，管理員需要可見的版本資訊及可稽核的更新記錄。

備份同樣值得重視。若工作站故障而沒有經測試的復原程序，本地控制可能變成本地遺失。備份影像及結果可保障服務延續性，但每增加一份副本，便增加一個須加密及設有存取控制的儲存庫。

DICOM 互通性帶來好處及責任。標準化檔案可進入既有影像系統，讓獲授權的臨床醫生更容易取得資料。它們亦可能帶有識別身分的中繼資料，並傳送至原有工作站以外的地方。

資安團隊應繪製所有接收 CerviCARE 產生檔案的目的地。它們應確認接收檔案庫是否保留時間戳記、病人識別資料、結果背景資料及稽核記錄。團隊亦應測試當匯出程序中斷或被指派給錯誤病人時會發生甚麼情況。

採購團隊或會發現，混合營運模式最為合適。本地分析可將日常影像處理留在機構內，而經嚴格控制的遠端服務則可處理授權更新或技術支援。NTL Healthcare 未有在公告中描述此類模式，因此機構不應假設其存在。

更廣泛的教訓是，部署位置只是其中一項安全控制措施，並非完整的安全計劃。CerviCARE AI AT 可減少不必要的資料流動，但無法保護醫院免受弱密碼、過度權限、疏於維護的備份或過時端點所帶來的風險。

這個現實應影響 NTL Healthcare 的銷售訊息。資料主權可為審慎的醫療系統打開大門，但技術買家將期望看到架構圖以外的證據。

臨床證據令人鼓舞，但泛化能力仍是真正考驗

CerviCARE AI 最有力的已發表證據來自一項包含 400 張經篩選影像的回溯性研究，雖然令人鼓舞，但其範圍仍較全球部署狹窄。

一項於 2024 年發表並經同行評審的研究，使用 400 張遠端子宮頸攝影影像評估 CerviCARE AI。資料集包含 200 張陰性及 200 張陽性影像。研究人員報告指出，該系統對高風險組別的敏感度為 98%，而對陰性病變的特異度為 95.5%。

敏感度量度檢測正確識別患有目標疾病人士的頻率。特異度則量度檢測正確識別未患該疾病人士的頻率。兩者均很重要，因為漏診高級別病變可延誤照護，而假陽性結果則可引發焦慮及不必要的程序。

該研究發表於 Scientific Reports，將軟件的分類結果與參考標準作比較。研究結果支持進一步評估以影像為本的 AI 作為篩查輔助工具的臨床價值。

作者亦指出一項重要限制：研究使用了經仔細挑選的影像，並呼籲進行前瞻性研究以確立臨床效用。平衡的評估必須將這項警告與亮眼的效能數字一併考量。

陽性及陰性個案平均分配的資料集，並不反映每一個篩查族群。即使敏感度及特異度維持穩定，當患病率改變時，預測值亦可能改變。真實診所亦會產生模糊、構圖不佳、部分受遮擋或其他難以判讀的影像。

裝置差異帶來另一項挑戰。不同相機、光照條件、操作人員及病人群體，可改變輸入影像的外觀。在某一組合上驗證的演算法，在其他環境的表現可能不同。

這並非 NTL Healthcare 獨有的理論憂慮。美國國家癌症研究所對一項跨國 AI 篩查研究的回顧發現，系統在不同影像裝置之間面對的挑戰，比跨地域時更大。根據 NCI analysis，加入智能電話影像重新訓練後，適應能力有所提升。

這些證據確立 NTL Healthcare 面對的主要競爭壓力。該公司不僅是在與另一間供應商競爭，更是在與受控回溯性研究表現和跨真實臨床環境可重複結果之間的落差競爭。

本地部署版本並不能解決這道落差。事實上，更廣泛的安裝可能增加模型接觸到的裝置、工作流程及操作經驗的多樣性。這種擴展令品質控制更為重要。

醫院應詢問軟件在回傳結果前會進行哪些影像品質檢查。它們應確認系統會否拒絕不可用影像、標示不確定個案，或提供可供臨床醫生解讀的分數。它們亦應釐清，當 AI 輸出與症狀、HPV 檢測、細胞學檢查或臨床醫生的視覺評估出現衝突時，系統會如何處理。

臨床團隊需要理解該系統的預定角色。子宮頸篩查包括多種方法，例如 HPV 檢測、細胞學檢查、目視檢查及陰道鏡檢查。影像分類器並不會自動取代這些流程。

世界衞生組織建議採用高效能檢測進行篩查，並將陽性結果連結至適當治療。其 screening guidance 強調，只有在病人能獲得後續照護時，偵測癌前病變才有價值。

這種連結對任何快速 AI 工具都很重要。數秒內得出的結果聽來有用，但速度本身並不會改善結果。周邊計劃必須確認發現、適當轉介病人，並確保人們可獲得診斷及治療。

NTL Healthcare 的系統可協助臨床醫生標準化影像為本的評估，特別是在缺乏具經驗專家的地方。該公司已發表的研究為此主張提供可信的起點。若能在更多國家及裝置上取得前瞻性、獨立報告的結果，將令論據大幅增強。

在此類驗證期間，本地部署或可協助研究夥伴將病人資料保留在本地。當資料匯出規則嚴格時，這亦可令機構更願意參與。這是安全架構與臨床證據策略可互相強化的一種方式。

然而，若部署無法回報匿名化的效能及故障資料，本地安裝亦會令監察更困難。NTL Healthcare 必須在上市後學習與私隱承諾之間取得平衡。買家應詢問公司如何在不收集可識別子宮頸影像的情況下偵測模型漂移。

CerviCARE AI AT 進入一個具多條競爭篩查路徑的領域

NTL Healthcare 正為子宮頸篩查瓶頸提供其中一條解決路徑，而公共衞生計劃仍持續評估 HPV 檢測、細胞學檢查及其他 AI 輔助方法。

問題的規模令影像分析系統具有令人信服的用途。世界衞生組織估計，2022 年有 660,000 名女性患上子宮頸癌，約 350,000 人死亡。當中約 94% 死亡個案發生於中低收入國家。

WHO 的消除策略同時針對疫苗接種、篩查及治療。該策略呼籲 70% 女性在 35 歲及 45 歲前接受高效能篩查，並讓 90% 已識別患病人士獲得治療。

AI 輔助影像僅處理這條鏈中的一部分。當缺乏專家判讀時，它可望支援分流或視覺評估。它不會為病人接種疫苗、不會進行 HPV 實驗室檢測、不會確認病理結果，亦不保證病人可獲治療。

競爭技術路徑亦針對工作流程中的不同環節。有些系統分析子宮頸照片；另一些則在 HPV 檢測呈陽性後，自動判讀染色細胞樣本；還有一些將 HPV 風險資料與視覺評估結合。

美國國家癌症研究所研究過將深度學習應用於子宮頸影像的自動化視覺評估，亦研究過 AI 分析雙重染色細胞學。這些方法說明，「AI 子宮頸篩查」並非單一標準化產品類別。

一項由 NCI 主導、涵蓋 4,253 名參與者的研究發現，在該研究情境中，自動雙重染色方法相較巴氏細胞學檢查，提升了敏感度及特異度，亦將轉介至陰道鏡檢查的比例降低約三分之一。該方法分析的是已製備的細胞玻片，而非 CerviCARE AI 所使用同類型的子宮頸照片。

這個比較很有用，因為它展示了買家可能如何評估系統。準確度只是其中一個面向；它們亦必須考慮所需設備、樣本採集、人員培訓、周轉時間、連線能力、耗材、轉介能力及監管狀況。

CerviCARE AI AT 的本地電腦設計，似乎旨在減低基礎設施要求。它可能吸引已能拍攝合適子宮頸影像、但無法使用外部雲端服務的機構。生成 DICOM 檔案亦可能令其結果更易接入成熟的影像工作流程。

然而，標示為本地部署並不保證適合資源有限的診所。設施仍需要相容的拍攝設備、受支援的電腦、可靠電力、儲存空間、受過培訓的使用者、維護服務及後續照護途徑。該公司尚未公開詳述新版本的最低操作環境。

較富裕市場的醫院則面對不同決定。它們可能已有嚴格的雲端管治，並偏好集中維護的服務。對這些機構而言，本地版本必須提供的不只是私隱定位，還必須能順暢整合、支援企業管理，並配合受規管的臨床工作流程。

這形成一個分化市場，而非全面由 SaaS 轉移的趨勢。有些機構將優先考慮資料駐留；另一些則優先考慮集中維護及快速更新。大型醫療系統可能同時要求兩者。

NTL Healthcare 的雙選項策略承認這種分化。公司並非放棄其託管平台，而是按基礎設施、安全政策及資料管理要求，讓買家作出選擇。

若 NTL Healthcare 清楚記錄兩條路徑，這種靈活性可成為重要差異化因素。若兩個版本出現分歧，或本地安裝變得難以支援，則可能成為營運負擔。

因此，壓力回到供應商身上。NTL Healthcare 必須在尊重不同更新及監管程序的同時，維持 SaaS 與本地部署版本一致的臨床行為。買家應要求比較文件，而非假設「核心功能」在所有情況下均代表完全相同的操作。

三項訊號將顯示這次推出是否重要

下一項考驗並非有多少醫院表示感興趣，而是 NTL Healthcare 能否記錄安全營運、更廣泛的臨床有效性，以及持續採用情況。

第一項訊號是 CerviCARE AI AT 的技術文件。醫院應尋找 DICOM 一致性聲明、硬件要求、加密細節、存取控制選項、稽核功能及受支援的更新流程。

這些文件將強化產品可安全融入既有醫療環境的主張。若欠缺這些文件，機構便須在採購或試點部署期間自行解決關鍵整合問題。

第二項訊號是跨多個族群及影像擷取裝置的前瞻性驗證。NTL Healthcare 最近提及國際擴展活動，但商業覆蓋與獨立發表的臨床證據並不相同。

最有用的研究將報告招募方法、病人特徵、裝置類型、不可用影像比例、參考標準、信賴區間，以及在真實世界患病率下的表現。它們亦應披露臨床醫生在看到 AI 輸出後，是否改變了決策。

在這些條件下取得一致結果，將支持 CerviCARE AI 可擴展至經挑選的 400 張影像研究以外的論點。若出現實質效能差異，則顯示有必要進行本地校準、重新訓練，或提出較狹窄的預定用途聲明。

第三個訊號是實際營運採用，而非活動出席情況或發布公告。有意義的證據包括具名的臨床部署、監管里程碑、已完成的整合、記錄在案的篩查量，以及後續結果。

NTL Healthcare 表示，產品可在本地運行並產生標準化影像檔案。接下來的問題是，機構能否維持這種設定，而不會造成版本分散或未受管理的資料儲存庫。

醫療保健採購方不應將 AI 效能或資料本地化視為捷徑。他們應評估從影像擷取到臨床行動的整個流程。該流程包括知情同意、影像質素、模型輸出、人工覆核、儲存、轉介及治療。

NTL Healthcare 推出子宮頸篩查 AI，反映醫療軟件採購正出現更廣泛的轉變。採購方愈來愈希望能選擇推論在哪裡進行，以及敏感紀錄保留在哪裡。支援這種選擇的供應商，可接觸到被純雲端模式排除在外的機構。

然而，架構不能取代實證。本地處理可減少某些資料傳輸，而完善的管治決定系統其餘部分是否安全。高回顧性準確度可支持進一步部署，而前瞻性驗證則決定臨床醫生能否廣泛依賴該系統。

因此，CerviCARE AI AT 最適合理解為一項擴展部署選項，而非已完成的子宮頸篩查或醫療保健網絡安全答案。未來數月，採購方應留意詳細的安全文件、多元的臨床驗證，以及在日常護理中可核實的使用情況。

這些訊號將決定新版本地部署版本會否成為重要的篩查平台，還是僅停留在等待更廣泛證據支持的實用產品配置。