AI 浪潮下的醫療行為、就醫行為和醫病關係
一位「AI 朋友」，陪病人走進了診間
新冠疫情解封後的這幾年，我在門診裡遇到一種愈來愈熟悉的場景。
病人坐下來，說完主訴，常會補上一句：「我朋友覺得，我這應該是某某問題。」一開始我以為是家人、同事，或哪位懂一點醫學的親戚。後來才慢慢意識到——他口中的那位「朋友」，很多時候並不是人，而是 AI；是他前一晚在手機上，一問一答聊出來的那位「AI 醫師」。
有些病人準備得非常齊全：整理好的資料、幾個可能的診斷、想追問的檢查，一項一項攤在桌上。那一刻，我像是回到二十多年前參加專科醫師口試的現場——只是這一次，坐在我對面認真發問的，不是主考官，而是我的病人。
說實話，我並不排斥這樣的改變，甚至覺得它很有意思。但我知道，這個畫面讓不少同業心裡發慌，也讓一個問題被反覆提起：
有了 AI 醫師，我們還需要人類醫師嗎？
我想把答案先放在前面：正因為有了 AI 醫師，我們才更需要人類醫師。至於為什麼，得先一起看懂，這幾年診間裡究竟悄悄發生了什麼事。
一場「知識權力」的悄悄移轉
過去的醫病關係，其實建立在一個很不對等的基礎上——醫學知識，幾乎完全握在醫師這一端。病人走進診間，是來「尋求一個答案」的；而醫師對知識近乎壟斷式的掌握，正是這段關係裡的權力核心。
AI 的普及，正在飛快地把這道落差抹平。今天病人取得醫學資訊的門檻低得前所未有，很多人來看診時，心裡頭或者手上已經有了一個「初步版本的結論」——先在大型語言模型上讀過一輪，帶著一份半成品的診斷前來，希望在醫師這裡得到確認，或是一個更清楚的解答。
醫病之間的資訊鴻溝正在縮小，這件事本身是好的。真正需要看清楚的，是它同時打開了兩條岔路——一條通往更好的醫療，另一條，通往新的風險。
第一條岔路，藏在病人身上，叫做「資訊愈多、心頭愈慌」。
我在門診裡愈來愈常看到：病人查了一整輪之後，不但沒有安心，反而更焦慮了。因為他發現，那些被描述過的症狀，好像每一個都發生在自己身上。資訊變多，從來不等於判斷變清楚。而這，恰恰是他最需要一位人類醫師的時刻——不是要餵他更多知識，而是幫他把過量的訊息重新收攏、篩掉不相干的、圈出真正該在意的那一兩件事。把一團混亂，還原成「你這個人，此刻真正的處境」。
第二條岔路，藏在醫師身上，叫做「過度依賴」。
AI 是一把雙面刃。醫師若懂得善用它，能更快、更廣泛地追上最新的醫學知識，整合之後做出更好的判斷。事實上，醫師這一端擁抱 AI 的速度，一點都不輸病人：根據美國醫學會（AMA）的調查，醫師在臨床工作中使用 AI 的比例，短短幾年就從 2023 年的 38%，一路攀升到 2026 年的 81%。
但工具用得愈順手，愈要小心那條從「善用」滑向「依賴」的界線。當醫師習慣把判斷交給演算法，最基本的臨床手感與決策能力，可能會一點一點地流失——變得愈來愈不太會親自看病、不太敢自己拍板。而最令人擔心的是：一旦 AI 出了錯，若連醫師都退化到看不出來，那道最後的防線，也就形同虛設了。
這不是危言聳聽，已經有真實世界的證據。一項多中心觀察研究（Budzyń 等，2025）追蹤了波蘭四家中心的腸胃科醫師：在診間導入 AI 輔助大腸鏡之後，他們在「沒有 AI 幫忙」時的腺瘤偵測率，竟從 28.4% 掉到了 22.4%（絕對值下降 6 個百分點）。也就是說，醫師本來就會的本事，在依賴之中被悄悄磨鈍了。研究者給它取了個貼切的名字——「去技能化（deskilling）」。
為什麼會這樣？醫病溝通的研究早就點出，人很容易掉進所謂的「自動化偏誤」：當一個工具多數時候都對，我們就會慢慢怠於檢查、傾向照單全收。而對抗它的辦法，聽起來有點反直覺——刻意在流程裡「加一點阻力」，逼醫師逐字審閱、並為每一個含有 AI 成分的判斷負起完全的責任。有時候，方便本身，需要被設計得沒那麼方便。
AI 學得會溫暖的話，卻擁有不了溫度
也許你會問：如果 AI 連安慰人的話都說得比醫師更得體，那病人到底為什麼還需要一個人類醫師？
這正是近年醫病溝通研究最想回答的問題。學者 Selinger（2024）把人的同理心拆成三層：第一層是辨認出對方情緒的「認知共情」；第二層是把對方的感受放進自己心裡的「情感共情」；第三層是被觸動、忍不住想幫對方做點什麼的「動機共情」。而研究的結論很清楚：生成式 AI 頂多只能有限地模仿第一層——認知共情；它沒有情感共情，也沒有動機共情。
那 AI 為什麼寫得出「我完全能理解，這件事為什麼讓您這麼擔心」這樣體貼的句子？因為它太擅長從海量的語言裡找規律、預測「在這種處境下，人們通常會說哪些安慰的話」。那是一種對關懷的模擬，而不是關懷本身。作者甚至提醒：一旦病人察覺對面那份溫柔是計算出來的，信任反而會瞬間崩塌。換句話說——有血、有肉、真的會為你揪心的那份溫度，到頭來，還是只有人類醫師給得出來。
另一份研究，則替「AI 好像很強、是不是快取代醫師了」這種印象，好好降了溫。Wu 等人（NEJM AI, 2023）動用了美國高達 110 億筆的醫療理賠資料，去追問一個很實在的問題：那些通過 FDA 核准的醫療 AI，實際上到底被用了多少次？答案是——截至當時，FDA 核准的醫療 AI 裝置已超過 500 項，但真正累積超過一萬筆理賠、稱得上「天天在用」的，其實只有冠狀動脈疾病評估與糖尿病視網膜病變篩檢這兩類。而且，這些使用還高度集中在高收入、都會、有學術醫學中心的地區。核准數字的煙火，遠遠不等於臨床落地的普及。
就連在 AI 表現最亮眼的影像領域，也是同樣的故事。一篇 2025 年的放射科 AI 批判性回顧（Obuchowicz 等）就直言：即便在判讀這個 AI 最擅長的戰場，演算法在論文裡的數字，和它在真實診間裡的效能之間，仍然隔著一道明顯的鴻溝——醫師的把關，並沒有因為 AI 的到來而變得可有可無。
歷史其實早就給過我們一記提醒。早在 2000 年代，乳房攝影的電腦輔助偵測（CAD）曾信誓旦旦地宣稱能把偵測率提高兩成，最後真實世界的研究卻發現，它對女性並沒有帶來實質的好處（Wu 等，2023 引述）。演算法在論文裡的漂亮，和它在真實生命面前的價值，從來就不是同一件事。
把 AI 當成起點，別當成終點
所以，繞了一圈，回到最初那個問題。我的看法是：AI 的出現，非但沒有讓人類醫師變得多餘，反而把我們真正該做的事，照得更清楚了。
未來的醫師，賣的不再是「醫學知識」本身——那早已不再稀缺。我們真正無可取代的，是把一團龐雜資訊整合成一個判斷的功力，以及需要動手時，那份實實在在的醫療技術。在宅檢測與穿戴式裝置會愈來愈聰明，很多初步的檢查、甚至初步的判讀，未來或許都能在家裡完成；但在可見的將來，那個「最後拍板」的臨床決斷，仍然需要一位人類醫師，站在你的身邊。
病人這一端，其實也想要這樣的醫師。一項橫跨 43 國、涵蓋一萬三千多名住院病人的大型研究（JAMA Network Open, 2025）發現：高達 72.9% 的病人，仍偏好由醫師來主導醫療決策。 大家歡迎 AI 幫忙，但沒有人希望，最後為自己健康負責的，是一台冷冰冰的機器。
所以，給正在讀這篇文章、也習慣「先問 AI」的你，我想留下三句真心話：
- 可以帶著 AI 的意見來，但請帶著「一起討論」的心情，而不是「來踢館」的姿態。 最好的醫療決策，是醫師和你並肩做出來的，不是你抱著一疊資料來考倒醫師。我們是同一隊的。
- 當 AI 讓你愈查愈慌、覺得每種病都像自己時，那就是該來找人類醫師的訊號。 那一刻你需要的不是更多資訊，而是有人幫你把它們收攏，還原成「你」真正的樣子。
- 把 AI 當成看診前的第一步，別把它當成最後一步。 它可以陪你摸清方向，但最後的決定，請留給你和醫師之間的那場對話。
AI 讓病人不再是知識上的弱勢，這是這個時代難得的好事。但也正因如此，我們比過去任何時候，都更需要一位有溫度、能整合、也願意陪你走到最後、為你負責的人類醫師。而人類醫師，也要調整心態，讓自己成為醫病決策的協力者。
就醫前後，AI 與醫師各能幫你做什麼？
你可以期待 AI 幫你做什麼？
在「AI 時代怎麼看病」這件事上，AI 很適合當你的第一站：幫你快速彙整某個症狀的常見成因、把想問的問題列成清單、把看不懂的檢查報告翻成人話。但請記得，它給的是「一般情況下的可能性」，可能不完整、也可能不準確，更沒辦法真正替你擔心。它擅長模仿關懷的語氣，卻沒有真正的同理，也不會為結果負責。把它當成看診前整理思緒的好幫手，而不是替你下診斷的醫師。
你應該期待醫師幫你做什麼？
醫師能做的，正是 AI 給不了的那一段：把你在網路上讀來、讀到心慌的一堆資訊，還原成「你這個人此刻真實的狀況」；在你的病史、體質、生活與價值觀之間細細權衡，和你一起做出屬於你的決定；並在需要動手的處置上，扛起那份無法外包的臨床技術與最終責任。當 AI 出錯時，能一眼看穿、能即時修正、能為你把關到最後的，仍然是坐在你對面、有血有肉的那個人。
引用文獻
Selinger E. Balancing Empathy and Accountability: Exploring Friction-in-Design for AI-Mediated Doctor-Patient Communication. HHAI-WS 2024（Workshops at the Third International Conference on Hybrid Human-Artificial Intelligence），CEUR-WS Vol. 3825. 2024.
Wu K, Wu E, Theodorou B, Liang W, Mack C, Glass L, Sun J, Zou J. Characterizing the Clinical Adoption of Medical AI Devices through U.S. Insurance Claims. NEJM AI. 2023;1(1). DOI: 10.1056/AIoa2300030.
Obuchowicz R, Lasek J, Wodziński M, Piórkowski A, Strzelecki M, Nurzynska K. Artificial Intelligence-Empowered Radiology—Current Status and Critical Review. Diagnostics. 2025;15(3):282. DOI: 10.3390/diagnostics15030282.
Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025;10(10):896-903. DOI: 10.1016/S2468-1253(25)00133-5.
American Medical Association. 2026 Physician Survey on Augmented Intelligence. March 2026.
Busch F, Hoffmann L, Truhn D, et al. Multinational Attitudes Toward AI in Health Care and Diagnostics Among Hospital Patients. JAMA Netw Open. 2025;8(6):e2514452. DOI: 10.1001/jamanetworkopen.2025.14452.
引用文獻
- Selinger E. Balancing Empathy and Accountability: Exploring Friction-in-Design for AI-Mediated Doctor-Patient Communication. HHAI-WS 2024（Workshops at the Third International Conference on Hybrid Human-Artificial Intelligence），CEUR-WS Vol. 3825. 2024.
- Wu K, Wu E, Theodorou B, Liang W, Mack C, Glass L, Sun J, Zou J. Characterizing the Clinical Adoption of Medical AI Devices through U.S. Insurance Claims. NEJM AI. 2023;1(1). DOI: 10.1056/AIoa2300030.
- Obuchowicz R, Lasek J, Wodziński M, Piórkowski A, Strzelecki M, Nurzynska K. Artificial Intelligence-Empowered Radiology—Current Status and Critical Review. Diagnostics. 2025;15(3):282. DOI: 10.3390/diagnostics15030282.
- Budzyń K, Romańczyk M, Kitala D, et al. Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study. Lancet Gastroenterol Hepatol. 2025;10(10):896-903. DOI: 10.1016/S2468-1253(25)00133-5.
- American Medical Association. 2026 Physician Survey on Augmented Intelligence. March 2026.（醫師 AI 使用率 2023 年 38%→2024 年 66%→2026 年 81%）
- Busch F, Hoffmann L, Truhn D, et al. Multinational Attitudes Toward AI in Health Care and Diagnostics Among Hospital Patients. JAMA Netw Open. 2025;8(6):e2514452. DOI: 10.1001/jamanetworkopen.2025.14452.（74 家醫院、43 國、13,806 名住院病人；72.9% 偏好醫師主導決策）