T-cross計畫

團隊透過定期工作坊檢視 LINE OA 與 Podcast 實際使用成效，
針對未能即時實現的功能（如關鍵字自動推播）進行替代方案測試，
目前已嘗試以 RAG (Retrieval-Augmented Generation) 架構建立「預設常見問題」機制，
使系統可依使用者輸入自動對應相關回答，提升互動自然度與資料蒐集完整性。
此模式同時培養場域人員自我維運與問題修正的能力，確保系統能持續優化與長期使用。

運用什麼數位工具或方法解決 *

本團隊整合多項數位工具與自動化方法，形成可持續運作的智慧健康資訊收集及衛教模組：

1. LINE 官方帳號（LINE OA）與自動化流程

作為主要使用者互動平台，民眾可輸入健康狀況與關鍵字進行 AI 健康資訊收集，
系統能初步分類常見主題，未來期望結合語意分析模組，實現自動推播衛教內容的互動式服務。

2. AI 健康資訊分析模型與 LLM（ChatGPT、Gemini）及自動化流程

運用自然語言理解與關鍵字標註技術，根據民眾輸入的健康狀況，
能進一步提出針對性的引導式提問，例如輸入「咳嗽」時，系統會詢問「是乾咳還是有痰的咳嗽」。
此互動方式使健康資訊收集過程更精準，減少醫師反覆追問與等待補充資料的時間，
有效提升問答效率與健康資訊完整度。

3. NotebookLM 與 Canva

將醫師審核後的內容自動生成 Podcast 音檔與封面影片，
統一格式後輸出，維持衛教內容品質與一致性。

4. RPA（Power Automate／Automation Anywhere）與 n8n-TTS 流程

自動執行封面影像與音檔的合成、Canva 專案開啟與影片輸出，
並以 n8n-TTS (Text-to-Speech) 自動生成字幕，
有效減少人工後製與重複操作時間，提升衛教影音製作效率。

5. Google Sheet

作為資料收集與 FAQ 資料庫，整合回饋紀錄、統計圖表與自動化腳本輸出，
協助追蹤衛教成效與使用者互動數據，支援後續系統優化與分析。

這些工具相互串聯，形成一條「健康資訊收集 → 內容生成 → 審核 → 輸出 → 回饋分析」的自動化流程，
有效降低人力負擔，提升偏鄉醫療服務的數位化程度與可持續性。

協作期程說明 *

1.七月的工作主要完成的是podcast 內容製作模式的建立, 我們花了大量的時間摸索透過notebookLM製作AI podcast的適合的做法, 調整內容選題[工作坊: 主題podcast] 2.八月, 主要完成的工作是LineOA的FAQ問診系統的建立, 它很智慧化的會進一步細問患者的症狀, 並且收集資訊, / podcast組持續產出內容, 並且開始探索PRA自動化影片製作中重覆動作的部分[工作坊主題: PRA] 3.九月, 主要完成的是山上工作場域的內容拍攝, 完成嚐試原住民語的影音, 主要是母語老師並不習慣使用數位工具, 因此內容以說故事的方式呈現,/ podcast內容持續建立, 嚐試用n8n的部分完成封面和字幕的自動化,[工作坊主題: n8n] 4.十月, 主要完成的工作是PRA的canva影片自動化,n8n字幕自動化, 母語音檔合成影片, 場域影片剪輯編修, 另外, 關鍵字調podcast部分, 由於患者並不會主動說出精準的關鍵字, 仍有技術上需要克服的地方, 討論或許嚐試用RAG限定問題的方式來克服, [工作坊主題:RAG]

本計畫執行期程為 7 月至 10 月，共四個月。
團隊以「AI Podcast 自動化產製鏈」為核心，
串聯 LINE OA 健康資訊收集、跨平台自動化影音製作與多語衛教內容生成，
形成從偏鄉臨床資料到衛教內容生成的完整閉環。
整體採同步分工、週期回饋與滾動修正方式推進。

【第 1 階段｜7 月：Podcast 內容製作模式建立】

本月重點在於建立 Podcast 內容製作模式。
團隊投入大量時間研究 NotebookLM 的應用方式，
測試以 AI 輔助內容撰寫、語音生成與腳本結構的最佳化流程，
逐步建立可持續的 AI Podcast 製作模式。
並舉辦工作坊，討論 Podcast 主題選題與腳本標準化，
完成第一批節目製作與試播。
工作坊主題：主題 Podcast（內容策劃與語音生成）

【第 2 階段｜8 月：LINE OA FAQ 系統與自動化流程導入】

本月主要完成 LINE OA FAQ 健康資訊收集系統建置。
系統可根據使用者輸入的症狀進一步提問，例如輸入「咳嗽」時，會追問「是乾咳還是有痰」，
有效提升健康資訊收集的精準度與互動性。

Podcast 組持續產出新內容，並開始探索跨平台自動化流程，
逐步將影片製作中的封面合成與音檔輸出等重複性工作自動化，
提升整體製播效率。
工作坊主題：自動化流程（流程簡化與製播效率提升）

【第 3 階段｜9 月：場域拍攝與多語衛教內容製作】

本月完成山區場域的實地拍攝，用於展示系統在偏鄉運作的實際情形，
讓大眾能更清楚理解整合流程如何支援醫療現場。

同時運用 Gemini Storybook 製作原住民語衛教內容，
邀請母語老師參與審稿與配音，
以故事化的敘事方式呈現健康教育內容，
使衛教素材更貼近在地文化脈絡。

Podcast 組持續製作內容，並開始應用 n8n 自動化流程，
嘗試將影片封面生成與字幕自動化，提升製播效率。
工作坊主題：n8n（多模組串接與字幕自動化）

【第 4 階段｜10 月：整合自動化製播與 RAG 問題設計】

本月完成各模組整合，包括影片自動化合成、n8n 字幕生成與母語影片合成。
進行場域影片剪輯與展示素材製作，
並針對 LINE OA 關鍵字與 Podcast 主題串接進行技術檢討。

由於使用者多以自然語言描述症狀，難以以精準關鍵字對應主題，
團隊嘗試導入 RAG（Retrieval-Augmented Generation）架構，
以限定問題的方式引導使用者輸入，提升健康資訊收集的準確度。
工作坊主題：RAG（引導式問答與語意設計）

本計畫以 LINE OA 為資料收集中樞、Podcast 為衛教傳播主體，
並以每月工作坊作為自我迭代與問題修正核心。
四個月間完成從「健康資訊收集 → 內容生成 → 自動化製播 → 回饋分析」的閉環流程，
建立偏鄉智慧醫療的自動化知識循環模型，
實現「資料 → 內容 → 行動 → 回饋」的 PDCA 永續運作模式。

提案場域資源導入說明 *

一、場域概述與導入目的

本計畫以桃園市復興區偏鄉巡診現場與青埔特區數位製播基地為核心場域，
形成「山上資料收集 × 山下內容製播 × 雙向回饋」的協作模式。
復興區為典型偏鄉醫療環境，交通不便且無常設藥局，醫師每週上山巡診，
以真實臨床互動驗證數位系統成效。
青埔特區具備完善的數位基礎設施與製播環境，
可支援健康資訊分析、Podcast 錄製與影音後製，
成為偏鄉醫療數位化的後勤與研發中心。

二、導入資源與協作內容

1. 復興區巡迴據點

作為 LINE OA 健康資訊收集系統的實際應用場域。
醫師與數位人才於每週巡診過程中蒐集民眾輸入資料與臨床回饋，
驗證系統回覆邏輯、FAQ 問題設計與症狀分類精確度，
並協助醫師提前備藥，提升臨床效率。

2. 青埔特區製播據點

作為 Podcast 錄製與自動化影音製作的主要基地。
進行內容撰寫、語音生成、封面製作、審稿與多平台上架流程，
建立中醫衛教內容的標準化製作模式。
並整合跨平台自動化工具（RPA、n8n、TTS、Canva）進行影音合成與輸出，
逐步形成可獨立維運的自動化製播環境。

3. 母語與在地文化資源

邀請在地母語老師協助審核與錄音，
並運用 Gemini Storybook 製作原住民語衛教內容，
以故事化敘事方式呈現健康教育素材，
使衛教內容更貼近在地文化與語言脈絡。

4. 系統困難與自我迭代機制

在 LINE OA 使用者實際互動中發現，民眾多以自然語言描述症狀，
往往難以輸入精準關鍵字，導致自動對應內容的準確度受限。
團隊透過每月工作坊持續進行自我迭代，
一方面優化影音製作自動化流程（RPA、n8n-TTS），
另一方面正在測試 RAG（Retrieval-Augmented Generation）架構，
嘗試以「限定問題」方式引導使用者輸入。
此階段仍在評估技術可行性與使用者接受度，
作為未來版本優化的潛在方向。

三、資源整合成效與延續性

本計畫結合臨床場域、數位製播與文化內容三方資源，
建立從「臨床現場 → 健康資訊收集 → 內容生成 → 自動化發布」的整合鏈結。
團隊具備獨立維運能力，透過模組化工具即可持續更新內容與優化流程，
不依賴外部開發即可維持系統長期運作。
此模式不僅驗證了偏鄉醫療導入智慧化工具的可行性，
亦具備擴散至其他診所、長照機構或社區場域的潛力，
為偏鄉數位健康推動提供可複製的實證案例。

預期效益與後續規劃

協作成果說明 *

本計畫整合臨床醫師、數位技術團隊與母語教師，

以「AI 健康資訊收集 × Podcast 衛教 × 自動化影音製作」為核心，

於青埔特區與復興區雙場域建立偏鄉醫療內容數位化模式，

示範醫療現場資訊如何轉化為可持續的智慧衛教流程。

一、LINE OA 智慧健康資訊收集模組

於復興區羅浮、霞雲兩個巡診場域實際運作，

累積使用者數十位，平均回覆時間由 2.5 小時降至 1 分鐘內。

系統可根據使用者輸入內容自動引導症狀分類，

例如輸入「咳嗽」時，會進一步詢問「乾咳或有痰」，

使健康資訊收集更完整、精準，

協助醫師於巡診前提前掌握需求並提升備藥效率。

二、Podcast 衛教內容製播

Podcast 為本計畫核心成果之一，累積製作 38 個臨床主題、共 217 集節目，

平均每週產出 3 集長篇內容與 9 部短影音。

節目上架至 YouTube、Threads、Facebook 等多平台，

累積超過 7 萬次觀看與互動紀錄（含播放、留言與分享）。

AI Podcast 使醫師能快速生成需重複說明的衛教內容，

彌補偏鄉巡診現場說明時間有限的困境，

逐步建立可長期運作的衛教知識庫。

三、自動化影音製播流程

整合NotebookLM、ChatGPT、RPA、n8n、TTS、Canva 等多項工具，

建構完整的自動化影音產製鏈：

n8n-TTS 自動字幕生成，提升影音易讀性與效率；

RPA 音檔與封面自動合成，Canva 專案自動輸出，減少人工重複操作；

後製重複操作時間減少約 70–80%，

確保節目可穩定更新與持續發布，

同時保留醫師審稿以維持內容的專業與正確性。

四、原住民族語衛教影音

製作泰雅族語衛教影片 3 支，

由母語老師錄音與耀鈞製作，

並運用 Gemini Storybook 生成故事化腳本與語音素材。

此成果讓衛教內容能以在地語言傳達，

提升偏鄉長者對健康資訊的理解與信任，

展現文化平權導向的數位醫療應用。

五、跨域工作坊與協作機制

計畫期間（2024 年 7 月至 10 月）共舉辦四場主題工作坊，

依序聚焦於 Podcast、RPA、n8n、RAG，

每月檢討實際運作成果並滾動修正。

讓醫師、數位人才與場域人員能共同檢討問題、測試功能，

逐步形成可自我維運、持續優化的在地智慧醫療製播模式。

協作成果效益 *

一、臨床資訊收集更精準，巡診準備效率大幅提升

透過 LINE OA 智慧健康資訊收集模組，
患者可在巡診前即輸入主要不適，系統自動分類並引導提問，
使醫師能提前掌握完整健康狀況與備藥方向。
資訊回覆時間由平均 2.5 小時降至 1 分鐘內，
省去過去於 LINE 聊天中反覆追問、等待與遺漏的問題，
使偏鄉巡診準備更有效率、資料更完整。

二、AI Podcast 讓衛教內容可重複使用並擴散至更多族群

AI Podcast 使醫師可快速將衛教重點轉化為音訊與短影音，
在四個月內製作 38 個臨床主題、217 集節目，
平均每週產出 3 集長篇內容與 9 部短影音，
累積 7 萬次觀看與互動紀錄。
過去需於現場重複解說的衛教資訊，
如今可透過 Podcast 持續被播放、分享與引用，
讓衛教成效從個別病人延伸至整個社區。

三、自動化工具導入後，製作效率提升 70–80%

整合 RPA、n8n、TTS、Canva 等工具後，
影音製作中的重複動作如字幕生成、封面合成與影片輸出皆自動化，
節目能維持穩定發布頻率，減少人力負擔並確保內容一致性。
自動化流程使數位內容製作從原本依賴專業後製，
轉變為可由一般數位人員維運的輕量模式，
形成具擴散性的智慧製播範本。

四、文化友善與在地共製促進族群健康理解

團隊與母語老師合作製作泰雅族語衛教影片 3 支，
以故事化腳本與母語錄音呈現，
讓長者能以熟悉語言理解健康概念，
提升資訊可及性與文化包容性。
此模式未來可擴充至其他原住民族語，
推動多語健康教育的數位化應用。

五、建立跨域自我迭代機制，確保系統可持續發展

計畫期間共舉辦 Podcast、RPA、n8n、RAG 四場主題工作坊，
每月依實際回饋調整系統功能與操作流程。
團隊已能自行維運 LINE OA、Podcast 與自動化工具，
未來將持續測試 RAG（Retrieval-Augmented Generation）架構，
以解決「民眾未輸入精準關鍵字」的技術挑戰，
逐步形成可複製、可擴散的智慧醫療衛教模式。

計畫結束後預計如何持續維持或擴散本次成果 *

一、持續產出與自動化維運

計畫結束後，Podcast 製播流程已全面自動化，
醫師即使在沒有數位人才支援的情況下，
仍可依既有模組每週持續產出 1 主題長篇影片與 9 則短影音。
自動化後製（含 n8n-TTS 字幕生成、RPA 封面合成與 Canva 專案輸出）
已成為固定 SOP，可於臨床空檔獨立操作，
確保內容更新不中斷，維持穩定輸出節奏。

二、LINE OA 系統持續擴充

既有的 LINE OA 健康資訊收集模組將持續運作，
未來僅需定期新增 FAQ 問答內容，
即可逐步涵蓋更多臨床主題與未知疾病的標準化問答流程。
此架構不需重新開發系統，
可由醫師與場域人員透過簡易維護持續更新，
讓系統功能與資料庫自然成長，保持長期可用性。

三、場域與應用擴散

團隊將把此系統推廣至桃園其他偏鄉巡診與長照據點，
並分享 LINE OA × Podcast × 自動化流程的完整 SOP，
作為「低人力智慧衛教製播」範例，
供其他醫療團隊與社區機構導入應用。

四、持續優化與共學機制

每季將舉辦在地共學工作坊，
由醫師與數位人才共同檢討使用成效、更新 FAQ，
並持續測試 RAG（Retrieval-Augmented Generation）架構，
以改善關鍵字辨識與問答精準度，
確保系統持續優化、能自我進化。

五、主題延伸與全國應用

在 Podcast 與 LINE OA 的長期資料回饋中，
「失智症相關衛教」主題的點閱率與互動率特別高，
顯示國內對此領域的資訊需求仍有明顯缺口。
目前多數衛教內容聚焦於心理與行為陪伴，
但在生理與營養層面的照護論述仍相對稀缺。
團隊後續將以本計畫的製播系統為基礎，
延伸開發「AI 失智衛教平台」，
以 Podcast 為主體整合臨床醫師、營養師與照護專家，
製作結合實證醫學與營養觀點的衛教內容，
服務全國失智家庭與照護者族群，
使偏鄉數位醫療成果轉化為全國可擴散的健康知識服務。