AI醫療的效率優勢與挑戰

（本文刊載於中時新聞網，2026年4月9日，作者：朱玉昌）

谷歌於3月中旬發表兩項研究，標誌著AI正式進入真實醫療領域。一項是在美國哈佛醫學院附屬貝斯以色列女執事醫療中心進行的，讓AI聊天系統直接與100位一般門診患者提前溝通病情；另一項是與英國國家醫療服務體系（NHS）合作，讓AI擔任第二判讀醫生，協助查看乳腺癌的X光片。兩項都顯示，AI能大幅降低例行工作負荷，也同步揭示制度與治理層面的新課題。

在貝斯以色列女執事醫療中心的研究中，100名預約門診的成年患者，在就診前幾天，透過安全連結，與谷歌開發名為AMIE的AI文字聊天系統對話。系統詢問症狀、病史與用藥，生成摘要提前送交醫生，全程有真人醫師影片監控，並設定四項緊急叫停標準。結果，100次對話零觸發叫停，診斷鑑別質量與治療方案安全性，已和真人醫師相當。患者信任度在對話後明顯上升，看完醫生後仍維持高位，醫師則表示，門診從重複搜集病史轉為直接討論治療方案，大幅節省時間。

英國的研究，重心在處理乳腺癌篩檢的瓶頸。英國國家醫療服務體系要求每張乳腺攝影片，須由兩名放射科醫師獨立判讀，意見不合再仲裁，這套制度雖嚴謹，卻因醫師短缺而捉襟見肘。谷歌AI系統分析11萬5000張歷史影像並追蹤39個月，同時在12個據點超前部署。結果AI偵測率高於第一名人類判讀者，特異性也不差，它找出25％原本會在2到3年後才能確診的間隔癌，整體癌症偵測率從每千人7.54例升至9.33例。在模擬替換第二判讀者的情境下，放射科醫師讀片時間減少32％，整體工作量降低約40％。系統還針對不同醫院設備進行校準，確保真實環境穩定。

從經濟角度看，這些成果確實能緩解全球醫療體系的結構壓力。英國放射科醫師目前短缺30％，預計2028年達40％；美國初級保健醫師也面臨類似時間擠壓。AI若能穩健分擔前置篩檢與信息收集，就能釋放人力，讓醫師專注複雜判斷與患者溝通，進而提高體系產出、縮短候診、控制成本。對老化社會而言，這意味更多慢性病與癌症能及早介入，長期醫療支出壓力有望減輕。

然而，隨著AI進入日常醫療流程，也可能引發一系列需要審慎面對的問題。首要克服的是，數據隱私與使用邊界的問題，當醫療信息在雲端流動與跨機構共享時，如何確保患者真正理解並同意其使用方式，亟待制度進一步釐清。接下來公平性與偏差風險也會浮上台面，雖然兩項研究都沒發現系統性人口統計偏差，但AI訓練資料若偏向特定族群或醫院設備，長期部署仍可能放大既有不平等。發展中國家或資源匱乏地區若無法負擔持續校準，AI優勢反而會拉大醫療落差，讓富裕地區更快受益。

此外，責任歸屬與決策透明度將更為棘手，AI診斷或篩檢結果出錯時，是醫師、是醫院，還是開發商該負最終的責任？黑箱決策讓醫師難以向患者完整解釋，患者也難以真正知情同意。研究雖有醫師監控，但大規模應用後，誰來確保AI不會過度影響臨床判斷？醫師與患者能否充分理解AI建議的依據？這些問題都會關連到醫療信任的維繫。

還有絕不容忽視的一點，是人機互動的長期影響，若臨床過度依賴系統，是否會影響醫師經驗的累積，或改變醫病之間本以溝通和同理為核心的關係，這是有待觀察的，這些潛在問題並不是否定AI的價值，而是該顧及制度設計需與時俱進。惟有透過更完善的數據治理、持續性的公平性檢驗、清晰明確的責任架構，AI才能在醫療體系中穩健運作。

谷歌這兩項研究顯示，AI確實有機會讓醫療資源分配更有效率，並將醫師時間重新導向更具價值的診療互動。如果能在發展過程中妥善克服上述幾個可能面臨的問題，那麼AI不僅不會削弱醫療質量，反而有望促進更早期的疾病發現、更精準的治療，以及更普及的健康照護，從而提升整體人類健康福祉。