【2027 的醫療 AI：我不擔心AI取代我，我只擔心我們用錯地方】
- 2天前
- 讀畢需時 4 分鐘
已更新：2小时前
我是何建輝/胸腔內科暨重症醫學專科醫師。這篇NEJM的醫療業看AI，不是寫給民眾的。而Lukac PJ研究是寫給每天要判讀影像、寫病歷、在臨床病房下決策的醫療同業。
另外，感謝白袍人生學院創辦人張益豪醫師發起這個企劃，號召多科別、多領域的醫師，各自從自己的臨床現場談醫療與 AI。
這題本來就不該由一個科別回答。
更多面向的觀點在這裡：《我所看見的 2027 醫療 AI 藍圖》
先講結論：Lukac PJ研究團隊對醫療 AI 樂觀，但對現在的落地方式保留。 我們正在把一個本質上是「風險分層工具」的東西，當成「診斷工具」在推廣，這件事會出問題。
一、關於 2027，Lukac PJ研究團隊的三個判斷
1. 單點影像 AI 的紅利差不多見底了，接下來是縱貫式病程模型
現在多數通過查驗登記的 AI 醫材，處理的是單一時間點的單一模態：一張 CXR、一次 LDCT、一段 ECG。
但我們的臨床推理從來不是這樣運作的。一顆 6mm 的肺結節，本身沒有意義；它跟兩年前那張片子比起來變大了沒有，才有意義。
2027 值得看的，是能吃「多時間點＋多模態」的模型——影像、檢驗、用藥、生命徵象串在一起。技術上已經不是問題，卡住的是資料治理和院內系統整合。
2. 環境式病歷記錄(Ambient documentation )會普及，但別對它的效果期待過高
這塊我特別想跟同業講清楚，因為市場上的宣稱和實證落差很大。
2026 年 UCLA 的隨機分派試驗[1]，納入 14 個專科、238 位醫師、約 7.2 萬次就診，結果是文書時間減少約一成，換算大概每篇病歷省 41 秒。另一篇 NEJM AI 的大型研究估算，每 8 小時班別大約省 16 分鐘，作者Lukac PJ自己用的形容詞是Modest。
更值得注意的是一篇 rapid review 的結論：文書時間確實下降，但用標準量表測量的 burnout 沒有顯著改善，改善的是醫師的"投入感"；以帳單指標衡量的生產力也沒有變化。
這不是說它沒用。省 15 分鐘、把抬頭看病人的時間拿回來，臨床上有意義。但如果醫院是拿"解決過勞"當導入理由，數據不站在那一邊。而且住院、急診、次專科這些詞彙密度高的場域，證據基礎遠比門診薄弱。
3. 預警模型的下一關是「外部驗證」和「警報疲勞」，不是準確率
重症端我個人最有感。敗血症預警模型是最好的教材：廠商內部宣稱的 AUC 和獨立外部驗證出來的數字曾經差到讓人尷尬，而且在相當比例的住院病人身上觸發警報。
一個會一直響、又常常響錯的警報，臨床上的淨效果可能是負的——因為它訓練我們忽略警報。環境式病歷記錄
2027 我想看到的不是更高的 AUC，是更好的 陽性預測值 (Positive Predictive Value)、更低的警報負荷、以及願意公開外部驗證數據的廠商。
二、醫師期待的
醫師期待採購 AI 醫材時，院方問的第一個問題是「這個模型在我們的病人族群上驗證過嗎」，而不是「這個有沒有拿過獎」。
醫師期待每一個上線的模型都有明確的失效模式說明：它在什麼情況下會錯、錯的方向是偏高還偏低。
醫師期待未來 AI 生成的病歷內容，責任歸屬在制度上被講清楚——現在是醫師簽名、醫師扛，但草稿不是醫師寫的。這個灰帶遲早要處理。
三、哪些產業會真正推動這件事
1.半導體與雲端運算：台灣的結構性優勢，但醫療資料上雲的法遵限制仍是瓶頸・影像與檢驗設備商：GE、Siemens、Philips 這些傳統醫材業者已把 AI 整進儀器，是最快落地的路徑
2.穿戴與連續生理監測：從計步器走向具臨床效度的連續監測，慢性呼吸道疾病是明確受益族群
3.資安與資料治理：最少人談、最容易被跳過，但一次外洩就會讓整個場域的信任歸零
4.保險與長照：AI 風險分層一旦進入核保與資源配置，倫理爭議會比臨床端更快浮上來
四、健康產業鏈，三個結構性議題
1. 給付：健保署已經首次給付過 AI 輔助工具，AI 診斷工具的成本效益評估也在進行。這件事的重要性被低估了——沒有給付路徑，再好的模型都會停在示範計畫。
2. 監管：AI 醫材會持續更新，「審查一次、沿用多年」的傳統邏輯撐不住，動態監管與上市後監測是下一個關卡。台灣的方向是往「負責任 AI 中心」與受監管的應用生態系走，值得盯著。
3. 從治療前移到預防：價值會往篩檢與早期偵測移動。以胸腔科來說，LDCT 篩檢量能上來之後，判讀人力就是瓶頸——這是 AI 最有正當性介入的位置。
五、最後：病人會帶著 AI 的答案進診間
這件事已經在發生了，而且只會更多。
我的想法是，與其對抗，不如把它當成新的衛教起點：
病人查得越多，往往越焦慮，而不是越理解。 他們拿到的是一段沒有前後文、沒有身體檢查、沒有病史的通用答案。
所以我現在會反過來問診：「你上網查到什麼？哪一段最讓你擔心？」——這比直接否定有效得多，也能快速定位他真正的恐懼在哪裡。
AI 給的是機率，我們給的是脈絡。 這兩件事不衝突，但只有我們能做後者。
真正該擔心的不是 AI 取代醫師。是我們把判讀外包出去之後，年輕一代的臨床直覺還來不來得及養成。
各位同業，你們院內導入到哪一步了？有沒有哪個工具是真的改變了你的日常，而不只是多一個要點掉的視窗？想聽聽不同科別的實況。
引用來源
Lukac PJ, et al. Ambient AI Scribes in Clinical Practice: A Randomized Trial. NEJM AI. 2025 Dec;2(12). doi: 10.1056/aioa2501000
留言