夜雨聆风
（本文刊載於中時新聞網，2026年4月9日，作者●朱玉昌）
谷歌3月中旬同时发表两项研究，寓意AI已正式跨入真实医疗流程。一项是在美国哈佛医学院附属贝斯以色列女执事医疗中心所进行的，让AI聊天系统直接和100位一般门诊患者提前沟通病情；另一项是和英国国家医疗服务体系（National Health Service，简称NHS）合作，让AI担任第二个判读医生，协助查看乳腺癌的X光片。两项都显示，AI能大幅降低例行工作负荷，也同步揭开制度与治理层面的新课题。
在贝斯以色列女执事医疗中心的研究中，100名预约门诊的成年患者，在看诊前几天，透过安全连结，与谷歌开发名为AMIE（AI Medical Interview Engine）医疗「问诊流程」的AI文字聊天系统对话。系统询问症状、病史与用药，生成摘要提前送交医生，全程有真人医师影片监控，并设定四项紧急叫停标准。结果，100次对话零触发叫停，诊断鉴别质量与治疗方案安全性，已和真人医师相当。患者信任度在对话后明显上升，看完医生后仍维持高位，医师则表示，门诊从重复搜集病史转为直接讨论治疗方案，大幅节省时间。
英国的研究，重心在处理乳腺癌筛检的瓶颈。英国国家医疗服务体系要求每张乳腺摄影片，须由两名放射科医师独立判读，意见不合再仲裁，这套制度虽严谨，却因医师短缺而捉襟见肘。谷歌AI系统分析11万5000张历史影像并追踪39个月，同时在12个据点超前部署。结果AI侦测率高于第一名人类判读者，特异性也不差，它找出25％原本会在2到3年后才能确诊的间隔癌，整体癌症侦测率从每千人7.54例升至9.33例。在模拟替换第二判读者的情境下，放射科医师读片时间减少32％，整体工作量降低约40％。系统还针对不同医院设备进行校准，确保真实环境稳定。
从经济角度看，这些成果确实能缓解全球医疗体系的结构压力。英国放射科医师目前短缺30％，预计2028年达40％；美国初级保健医师也面临类似时间挤压。AI若能稳健分担前置筛检与信息收集，就能释放人力，让医师专注复杂判断与患者沟通，进而提高体系产出、缩短候诊、控制成本。对老龄化社会而言，这意味更多慢性病与癌症能及早介入，长期医疗支出压力有望减轻。
然而，随着AI进入日常医疗流程，也可能引发一系列需要审慎面对的问题。首要克服的是，数据隐私与使用边界的问题，当医疗信息在云端流动与跨机构共享时，如何确保患者真正理解并同意其使用方式，亟待制度进一步厘清。接着公平性与偏差风险也会浮上台面，虽然两项研究都没发现系统性人口统计偏差，但AI训练资料若偏向特定族群或医院设备，长期部署仍可能放大既有不平等。发展中国家或资源匮乏地区若无法负担持续校准，AI优势反而会拉大医疗落差，让富裕地区更快受益。
此外，责任归属与决策透明度将更为棘手，AI诊断或筛检结果出错时，是医师、是医院，还是开发商该负最终的责任？黑箱决策让医师难以向患者完整解释，患者也难以真正知情同意。研究虽有医师监控，但大规模应用后，谁来确保AI不会过度影响临床判断？医师与患者能否充分理解AI建议的依据？这些问题都会关连到医疗信任的维系。
还有绝不容忽视的一点，是人机互动的长期影响，若临床过度依赖系统，是否会影响医师经验的累积，或改变医病之间本以沟通和同理为核心的关系，这是有待观察的，这些潜在问题并不是否定AI的价值，而是该顾及制度设计需与时俱进。惟有透过更完善的数据治理、持续性的公平性检验、清晰明确的责任架构，AI才能在医疗体系中稳健运作。
谷歌这两项研究显示，AI的确有机会让医疗资源分配更有效率，并将医师时间重新导向更具价值的诊疗互动。如果能在发展过程中妥善克服上述几个可能面临的问题，那么AI不仅不会削弱医疗质量，反而有望促进更早期的疾病发现、更精准的治疗，以及更普及的健康照护，从而提升整体人类健康福祉。
