在醫守正式從臺北醫學大學分割獨立之前，我們的核心模型便已經累積了長達十年的研究基礎。醫守的原型，其實是李友專教授長期領導的用藥安全研究計畫，歷經其與不同研究團隊的努力下，逐步奠定了模型資料庫與分析能力。
 
早年電腦的運算能力非常有限，李教授和當時的研究成員們在一開始試圖釐清疾病和藥物之間的交互關係時，曾經彙整了長達12年的健保資料量、ICD-9版本的7,000種疾病和1,400種藥物，甚至大費周章地調度了國家高速網路與計算中心的運算資源，但沒想到卻被告知這樣的資料量，需要花100年以上的時間才算得出來！
 
為了解決這個窘境，他們想出了一個比較可行的作法，與其一次做到跨構面的多變量分析，他們先在每個獨立的構面內進行個別研究，分別探索疾病與疾病之間的關係，並用同樣的方法分析所有藥物，之後才逐步做到跨構面的交叉分析，進一步了解疾病與藥物彼此的互動。
 
在這之後，研究的跨度慢慢從純學術研究延伸到臨床研究，也解鎖了新的關卡。
 
理想主義型的研究人員終於被迫面對：學術及臨床研究做得再有價值，若不能落地實現產品的規模經濟，就不可能真正應用在更多臨床實務中、幫助醫生解決現實世界中的醫療問題。更深深感受到，那些隱藏在龐大複雜的電子病歷系統裡的難題，並非外界能夠想像，因此李教授萌生了創業的想法，延攬了龍安靖與Jeremiah Scholl博士加入，一同打造務實好用的工具改善醫療問題。

2019年醫守公司化之後，開始大規模擴充病歷數據庫，除了臺灣健保，也陸續收錄美國聯邦醫療保險(Medicare)、全球知名醫院Mayo Clinic，以及DARTNet等資料，目前病歷總量已經累積到32億筆。隨著AI運算能力的精進，醫守更從中淬鍊出超過五百萬條臨床關決策邏輯，發展成更強大的臨床決策人工智慧：一類能夠重建、建模並分析涵蓋診斷、治療、用藥管理與醫療編碼的臨床決策過程的新醫療 AI 類別、一種並非僅是預測決策結果，而是聚焦於決策是如何以及為何形成，提供更具可解釋性、符合臨床脈絡與可追溯性的決策過程支援，大幅提高了使用者們對產品的信任，逐漸打開名聲。

​隨著人工智慧進入百花齊放的時代，醫守持續致力於以科技保障病人安全，運用多元靈活的解決方案滿足臨床需求，在臨床決策過程中實現更多醫療人工智慧的「有意義使用(meaningful use)」，促使病歷資訊上下游整合更加順暢，提升臨床工作效率與醫療品質。