雖然不少台灣醫療體系對 AI 充滿興趣，也設想能透過 AI 提升醫療品質，不過實際付諸實行、同時已經將 AI 技術導入前線的卻不多，但中國醫藥大學附設醫院可說是在台灣將 AI 投入現場的先驅者，在人工智慧醫學診斷中心主任黃宗祺博士與中國醫藥大學副校長蔡輔仁醫師兩人為首的主導下，從 2016 年先期的試驗性評估到 2017 年底購入 NVIDIA 超級電腦 DGX-1 ，如今已經開始在臨床門診使用 AI 技術，也因為不僅只是在研究領域而是實際投入應用，並在台灣 NVIDIA 的協助與積極爭取下，中國醫藥學院附設醫院成為亞洲首個正式導入 DGX-2 並應用在醫療領域的醫院體系，同時由中國醫藥學院轉投資、負責建構 AI 系統的長佳智能也成為 NVIDIA 在醫療 AI 的專業服務合作夥伴 。
黃宗祺博士表示，中國醫藥大學附設醫院自 2016 年開始透過消費級的 GeForce GTX 1080 評估 AI 在醫療領域的應用，當時已經感受到基於 GPU 加速能帶來的高效益，旋即評估購入當時性能最強的 DGX-1 ，同時也是台灣首個直接購入 DGX-1 的單位，而在購入 DGX-1 後已經陸續在 2018 年的 2 月以及 5 月份個別取得肝癌、乳癌以及骨齡影像分析的專利，並且陸續導入門診輔助醫生進行快速的診斷，也因為這些實績與優異的表現，更加深中國醫藥大學附設醫院對於醫療 AI 的肯定，也陸續增加許多的應用開案；然而更多的需求也意味著 DGX-1 的負擔量也隨之增加，為了加速技術的進展與 AI 的培訓，決定購入 DGX-2 。
中國醫藥大學副校長蔡輔仁醫師在上次的採訪就已經提過，雖然 DGX-2 的花費在不熟悉醫療器材的外界眼中是相當大的一筆投資，但以專業醫療儀器動輒數千萬來說， DGX-2 的價格也不過屬於中低的成本支出，若能藉由 DGX-2 的導入而讓整個醫療體系更健康，讓醫師能專注在自己擅長的領域，這樣的投資絕對是值得的；蔡醫師認為， AI 的出現固然會使許多以觀看 X 光片等影像分析相關的醫療院所體系式微，不過換個方向思考，若透過資料處理數量較人工龐大，但同時又保有絕對理性與效率的 AI ，縮減醫護人員分析病況的時間，即能使醫護人員專注於醫療的過程，使醫療品質提升並降低醫療人員的負擔。
中國醫藥學院附設醫院也希望能在 DGX-2 的投入後，亦可進行更快速的 AI 模型培訓，以它們實際的比較，光是導入 DGX-1 ，就能將傳統 CPU 伺服器培訓模型耗時 35 小時一口氣縮減到 42 分鐘，而在啟用 DGX-2 之後，更在不到 11 分鐘的時間就完成相同規模的模型訓練，這也使得中國醫藥學院附設醫院得以投入更大量的醫療影像 AI 應用的模型訓練。
NVIDIA 全球副總裁暨台灣區總經理邱麗孟表示，由於 GPU 技術加速了 AI 的技術進展，台灣亦有不少研究機構與醫院投入相關技術開發，但多僅止於開發或是研究階段，然而中國醫藥大學附設醫院卻已經將 AI 導入臨床探診使用，同時已經串聯 16 家中國醫藥大學附設醫院體系的醫院採用 AI 系統，邱總經理表示，她期許中國醫藥大學附設醫院能結合其專業的醫療診斷能力結合 AI ，助台灣能將醫療技術輸出到亞洲甚至全球。
當前長佳智能也同時具備 DGX-1 與 DGX-2 兩套系統培訓模型，同時透過專線網路與中國醫藥大學附設醫院連接，串接醫院的門診系統使用。以目前的應用而言， DGX-1 與 DGX-2 已經足以應用到目前預計的相關專案上，短期沒有再持續擴充超級電腦系統的計畫，畢竟 DGX-2 已經足以匹敵整個大型數據中心規模的 300 台傳統 CPU 伺服器的運算量。中國醫藥學院附設醫院希望能夠藉由 AI 與診斷的多元整合，能夠讓未來的醫師在診斷時能夠同時提供不僅只是提供當前所看的醫療門診類型的相關資訊，能夠將病患所有的相關資訊做進一步的全面分析與評估，更快速的找到患者的問題所在。
今天也實地示範了兩項中國醫藥大學附設醫院已經開始使用的 AI 診斷應用，其一就是蔡醫師擅長的骨齡診斷；透過 X 光片進行骨齡診斷是一項具模糊彈性但卻勞神費心的過程，多半用以評估是否有生長激素不足或是性早熟的跡象，即便連資深如蔡醫師也需要花費數分鐘的時間初步推估年齡範圍後，再從骨齡的參考書籍推測出骨齡，不過這也是蔡醫師多年的看診經驗所累積的結果，剛入行的醫師甚至需要一頁一頁的比對參考書籍，故過往骨齡診斷都需要耗費大量時間，但藉由當前培訓的系統，能將過去蔡醫師需要至少 6 分鐘的判斷時間縮減至幾秒，幾乎可視同拍攝完 X 光片的當下就完成。
然而骨齡的判斷依據卻是全球通用的，一旦建立好系統就可全球通用。蔡醫師藉由中國醫藥學院附設醫院長期累積的 X 光片，結合他與多位資深醫師的經驗作為基礎，開始訓練 AI 判斷骨齡，同時在培訓後不斷重複以人工校正逐步將模型判讀完畢，當前已經達到超過九成以上的準確率，而判斷錯誤的主因可說並非完全是 AI 模型的問題，而是孩童多半無法將手穩定的放在拍攝台，多由家長幫忙壓住，導致拍攝時肌肉因緊張而導致影像偏差影響系統判斷，由於主要是由蔡醫師主導，被半開玩笑的稱為蔡醫師 AI 系統。
但蔡醫師相當看重這項 AI 系統，因為不少家長望子成龍，往往因為看到一些訊息就緊張的以為家中的孩童可能性早熟或是還沒"轉大人"，千里迢迢的自費拍攝 X 光片並尋求專業名醫診斷，然而多半是杞人憂天，小朋友的生長狀況多半相當良好；蔡醫師期許藉由這套骨齡判斷系統的建構與普及，能讓這些家長不用到蔡醫師面前，在當地的醫院就可於當下獲得與蔡醫師相同的 X 光片診斷能力，一旦真的有生長異常再行就診，使醫療資源更合理的被分配使用，讓真正有需要進行治療的患者獲得更完善的療程。
另一套系統則是超音波的乳癌影像診斷系統，由於超音波不像 X 光片有輻射的問題，也不需進行侵入式的切片行為，具備低成本、快速且非侵入、無輻射的優點，但缺點就是資訊精度不足，往往需要持續追蹤才能確保診斷情況，但也因此容易錯失最佳的治療時機；而中國醫藥大學在經過患者同意下，蒐集了多位經過治療的乳癌患者的超音波照片，並藉此進行 AI 培訓，由於這些照片是經過長期追蹤的，也具備不同層級的腫瘤情況，透過這樣的方式訓練 AI 判斷超音波照片，有助於在早期就能發現惡性腫瘤早期根治，並可提升超音波照片診斷的可靠性。
