隨著大型語言模型（Large Language Models, LLMs）在醫學資訊處理、臨床輔助決策與資料生成中的應用日益廣泛，其安全性與穩定性問題逐漸浮現。越獄（Jailbreak）行為透過對抗式提示（Adversarial Prompts）繞過模型防護，可能導致錯誤資訊生成、隱私洩漏與倫理風險。另一方面，在醫學影像領域，深度學習模型如 U-Net 仍面臨組織邊界模糊與灰質分界困難等挑戰。本研究從「模型安全」與「模型精度」兩個維度切入，探討 LLM 越獄過程與防禦策略，並以腦部 CT 影像分割為例，提出一種自適應融合（Adaptive Fusion）U-Net 架構，透過多尺度特徵調整提升組織辨識精度。研究結果顯示，強化式對抗防禦可顯著降低越獄成功率，而自適應融合機制則能在腦組織分割任務中提升 Dice 係數達 4.8%。本研究示範了跨領域 AI 模型在「安全性」與「精準性」之間的互補性設計思維，為醫療 AI 系統的安全應用提供新視角。