QuantumSmile：我在洗腎中心蹲了三個月，把洗腎機資料拉進即時監控系統

先講結論：這個題目最難的，不是大家不知道資料重要，而是洗腎機資料根本讀不出來。

台灣洗腎中心長期面對一個很現實的問題：不同品牌的洗腎機不一樣，資料也沒有被統一整合。護理人員同時照顧四到八床病人，還要每十五分鐘手抄一次關鍵數據，工作壓力很高。

所以真正的問題不是「醫療資料很重要」這種抽象命題，而是現場根本沒有一套可行的方法，能把機台資料穩定讀出來，再整理成可用的流程。

我那時候的做法很直覺：先蹲現場，不先畫架構圖。

三個月裡，我在洗腎中心理解護理節奏、機台差異和工作壓力，然後才反過來定義產品應該長什麼樣子。

核心解法其實也很硬，就是逆向工程洗腎機的資料傳輸方式，做出一個能跟機台對接的 IoT bridge。

資料層一打通，後面的事情才開始有可能：高頻機台數據可以進 dashboard，監控、告警和半自動化作業也才有機會成立。

這個題目真的難的地方是，沒有現成文件可以抄，也沒有標準接口可以直接接。

我得先理解多種品牌機台，再自己把資料傳輸邏輯拆開來看。這個過程其實很土，也很花時間，但沒有這一步，後面的產品都是空的。

等資料終於能穩定讀出來之後，系統每秒可以接收到大量數據，才真正撐得起即時監控這個方向。

接下來我做的事情就比較像把技術往產品推：把資料變成 dashboard，讓醫療現場不再只靠人工抄寫和分散判斷。整體作業也因此從純手工流程，開始走向有系統支援的半自動化狀態。

QuantumSmile 這段經歷對我來說，重要的不只是技術難度高，而是它真的把醫療現場一個很痛的問題，拉成了可操作的系統。

• 原本需要定時人工抄寫的數據，開始進到可持續監控的數位流程
• 我也因此很早就知道，自己有能力在高門檻設備環境裡做逆向工程和資料整合
• 外部投資和策略合作，也開始注意到這條產品線的潛力

如果要用一句話講，這是一段很典型的 deep-tech founder 經驗：現場理解、技術突破和產品化判斷，一個都不能少。

這個案子讓我非常確定，醫療場域的信任不是靠簡報建立的，而是靠你願不願意真的蹲進現場，把最難的那層資料問題解開。

沒有現場理解，再好的技術都很容易變成空中樓閣。

另一個很深的體會是，deep-tech 的技術突破只是起點。要讓它變成可持續的事業，合作結構、商業邊界和組織對齊同樣重要。技術可以打開門，但能不能走下去，最後還是看整個系統。