Core Datasets

三大核心資料集計畫

從影像辨識到臨床結局，三層資料集構成亞洲飲食×慢性病研究的完整閉環。

Layer 01
計畫啟動中

台灣本土飲食影像辨識集

解決全球醫療 AI 無法準確辨識台式便當、滷肉飯等亞洲獨特飲食的痛點，建立高精度的底層辨識模型。

  • 目標規模：500,000 張照片
  • 標註深度：營養師專業熱量與六大營養素標記
  • 分類標準：台灣食品成分資料庫
Layer 02
IRB 申請規劃中

飲食行為縱向追蹤資料庫

透過 DietMate LINE 平台的高留存特性，收集患者連續數月的真實世界飲食行為模式，打破傳統回憶法偏差。

  • 目標規模：10,000 名患者追蹤資料
  • 時間跨度：連續 60 天以上
  • 分析重點：用餐時間、營養分佈、依從率曲線
Layer 03
醫院合作籌備中

飲食 × 慢性病結局 RWE 庫

將院外行為數據與院內臨床檢驗數據融合，為新藥研發、PSP 評估提供最完整的「真實世界證據」(RWE)。

  • 臨床鏈接：HbA1c, eGFR, 收縮壓
  • 技術標準：FHIR R4 (Observation, Condition)
  • 隱私保護：醫療級去識別化管線
Architecture & Compliance

醫療級的嚴謹與標準

DietMate LINE Bot 患者飲食紀錄・院外行為數據
De-ID Pipeline HIPAA Safe Harbor 去識別化
FHIR R4 Layer Observation · Condition · Patient
臨床數據鏈接 HbA1c · eGFR · 收縮壓・院內 EMR

強大的資料庫來自正確的地基。我們從第一天起就採用國際標準，確保每一筆數據都能直接應用於嚴謹的醫學研究與新藥佐證。

  • FHIR R4

    全面採用國際醫療資料交換標準，確保資料互通性與跨系統整合能力。

  • IRB 核可

    所有回溯性與前瞻性研究皆需通過人體研究倫理審查委員會核可，研究倫理不妥協。

  • De-ID

    遵循 HIPAA Safe Harbor 規範的去識別化流水線，在研究價值與患者隱私之間取得最佳平衡。

  • RWE

    真實世界數據的收集與分析符合 FDA RWE 框架，為新藥臨床申請提供有力支撐。