一位病人走進我的診間，手機已經打開。
螢幕上是 AI 幫他整理好的答案。鼻塞可能是過敏性鼻炎、鼻中膈彎曲、下鼻甲肥厚、慢性鼻竇炎、鼻息肉，甚至可能是腫瘤。每一項都附了說明，連建議做哪些檢查都列得清清楚楚。
他不是來跟我討論『AI 說得對不對』。他坐下來的第一句話是：
「醫師，我是不是裡面的這個ＸＸＸ疾病，我自己核對起來最像！？」
這句話，我近年在診間聽到的頻率愈來愈高。它顯示了 AI 進入醫療之後最真實的一個變化：病人手上的答案變多了，但他們更想知道的，是誰能陪他判斷、誰願意一起承擔。
這篇文章是寫給醫師、診所經營者，以及所有想把 AI 帶進健康產業的團隊。本文的精簡版曾刊於 《經濟日報》產業版[3]（受版面額度限制，見報時約一千字）；這裡是完整版——把版面放不下的那一半補回來：兩項隨機對照試驗的完整數字、我自己在用的「醫療決策三層架構」，還有健康產業最常漏掉的那一層。
我知道大家都忙，先說結論
- 醫療的專業，從來不是把所有可能性背出來。 AI 很擅長把所有可能性攤開；醫師的價值，在於負責任地把它收斂回來——而不是毫無根據地憑感覺執行刪去法。
- 把工具放在桌上，判斷不會自動變好。 2024 年的隨機對照試驗顯示，醫師搭配大型語言模型，診斷推理成績並沒有顯著優於只用傳統資源的對照組 [1]。
- 但同一份研究裡，AI 單飛的成績比醫師組高 16 個百分點。 問題不在模型不夠強，在人還沒準備好。
- 受過訓練之後，情況就翻轉了。 2026 年另一項隨機對照試驗中，醫師先完成 20 小時的 AI 素養課程，再搭配大型語言模型，表現提升約 27.5% [2]。
- 醫療決策可以拆成三層：資訊層、情境層、責任層。 AI 接走了第一層。第二層與第三層，才是 AI 時代醫療專業最貴的地方——也是健康產業最常漏掉的地方。
醫療的專業，不是把可能性背出來
我是耳鼻喉頭頸外科專科醫師，鼻塞是我每天面對的問題。
醫療的專業，從來不是把所有可能性背出來。而是面對一個真實的人，在有限的時間與資訊裡——特別是在健保門診中——知道哪些可能性應該優先留下，哪些以臨床經驗來說比較常見；其中哪些是比較危險、需要立刻列入鑑別診斷或儘快被排除的，而哪些風險較低，可以觀察，甚至可以暫時排除。
這些都是 AI 所無法交付的。它可以交付幾百種可能性，但它無法幫你做最後的決策，也無法跟你『醫病共決』。更有不少法律與醫療領域的學者提醒：它無法在你病情有變化時，幫你善後與負責。
所以在 2026 年 AI 普及化之後，很多人會有一個共同的感覺：答案變多，但決策沒有變容易。
這是真的。而且有研究可以佐證。
兩項隨機對照試驗，一個很不舒服的結論
先講第一項。
2024 年《JAMA Network Open》發表了一項單盲隨機對照試驗 [1]，納入 50 位受過家醫科、內科或急診醫學訓練的醫師（26 位主治醫師、24 位住院醫師，執業年資中位數 3 年），隨機分成兩組：一組可以使用大型語言模型加上傳統資源，另一組只有傳統資源，各有 60 分鐘處理最多六個臨床情境。
結果是：使用 AI 那組的診斷推理成績中位數是 76%，只用傳統資源那組是 74%，調整後差距只有 2 個百分點，而且沒有統計顯著性。
這個結果本身已經夠讓人清醒了。但同一份研究裡還有一個更刺的發現：研究者另外測了「AI 單獨作答」的表現——比只用傳統資源的醫師組高出 16 個百分點，而且達統計顯著。
把這兩個數字放在一起，答案就很難迴避：問題不在模型不夠強。強的是模型，沒跟上的是人。
當然，未來 AI 更加進步，也許會翻轉現況。但目前大多數狀況是：把眾多智能工具放在桌上，判斷不會自動變好。
再講第二項，它補上了關鍵的一塊。
2026 年《Nature Health》發表了一項在巴基斯坦進行的隨機對照試驗 [2]。這次的設計多了一個前置動作：60 位醫師先完成 20 小時的 AI 素養課程，內容涵蓋大型語言模型的能力、適當用法與限制。訓練結束後才隨機分組，各有 75 分鐘處理最多六個臨床情境。
這一次，搭配大型語言模型的那一組明顯勝出，診斷推理表現提升約 27.5%。
兩個結果放在一起，指向同一件事：差別不在模型多強，而在人有沒有準備好。 使用者是否真的懂問、會進階技巧性地使用、會查核、會把答案放回眼前這個病人的處境——這才是 AI 時代的專業。
順帶一提，這對「醫師該不該花時間學 AI」這個問題，大概是目前最直接的一份證據。20 小時，換來 27.5%。
至於「受過訓」之後實際上長什麼樣子，我寫過一位中醫師把 AI 焦慮變成日常工作流的過程，可以當成這 20 小時的具體版本：一位中醫師，如何把 AI 焦慮變成自己的工作流？
醫療決策的三層架構
我把 AI 時代的醫療決策分成三層。這個框架是我這幾年在診間與教學現場反覆用的，也是我判斷「哪些工作可以交出去、哪些不能」的依據。
第一層：資訊層
搜尋文獻、整理病歷、列出鑑別診斷、提醒少見但危險的可能性。
這一層 AI 做得又快又好，像醫師的第二大腦——或者更精確地說，是多了一個又快又多元的資料來源。這一層，我認為醫師應該大方地交出去。
第二層：情境層
同一個診斷，放在不同的人身上，答案可能完全不同。
年齡、共病、工作型態、家庭支持、經濟能力，還有病人此刻最害怕的是什麼。這些常常沒有被輸入系統，卻往往決定了選擇。
AI 處理的是「被輸入的資料」；醫師必須看見「沒被輸入的事」，也就是要能閱讀空氣。這也解釋了為什麼有些經驗老到的醫師，三兩句話就能問出患者自己都沒注意到、或者根本沒提到的症狀。這是現實中醫師經驗的可貴之處，也是很多醫師為什麼要擠破頭去醫學中心受訓、累積大量經驗的部分原因。
這一層還有一個很現實的風險：當錯誤的症狀描述或指令被民眾輸入 AI 之後，得出來的答案與建議，一定差之千里。 醫療常常是在有限的資訊與半模糊的狀態下做出決定——例如患者無法明確表達自己的不舒服，或者神智混亂、單純的問診無法提供精準訊號的時候。那不見得是最佳解法，但可能是相對合理的處理。
第三層：責任層
AI 可以提出建議。但治療結果不如預期、病情變化、病人後悔的時候，重新說明、調整計畫、繼續陪伴的，是人。絕對不會是 AI。
而且有些心律與心跳、呼吸音、體溫的變化、情緒的起伏、社會處境的改變，都是目前穿戴式醫療裝置無法百分之百偵測到的，需要仰賴病人眼前這位活生生的醫師來把關。
責任不能推給演算法，病人也不該獨自面對一串看似精準、卻仍有不確定性的答案。
這一層其實不只發生在診間。我在另一篇談開業的文章裡寫過同一組命題——醫師開診所更吃香？開業真正換到的是決定權：決定權與責任從來是綁在一起的，能決定多少，就得扛多少。
回到診間那個問題
讓我們把場景拉回開頭。他坐下來的第一句話是：「醫師，我是不是裡面的這個ＸＸＸ疾病，我自己核對起來最像！？」
在諮詢的層面，這絕對沒有問題。AI 確實幫民眾蒐集了很多資料，也讓民眾有機會對自己的狀況先有一點判斷——這是好事。真正要警覺的是下一步：有沒有人因為自行判斷了後續的處理方式，而延誤了病情？
接這句話的方法，我的經驗是不要急著說「不是」。我通常會先接住他：「你會這樣想很合理，這幾個症狀確實像。」然後補上一句：「不過還有兩個地方，是網路上不會知道、需要現場確認的。」
先肯定他做的功課，再把他帶回那些沒有被輸入 AI 的資訊——理學檢查的發現、症狀的時間軸、他自己都沒注意到的細節。病人不會覺得被否定，判斷卻回到了該有的軌道上。
這就是第二層與第三層在做的事，也是 AI 時代醫療專業最貴的地方。
給健康產業的一課
這不只是診間裡會發生的事。
所有想把 AI 帶進醫療的團隊——保健品品牌、運動產業、預防醫學生態系、健康管理 App、數位醫師與數位護理服務——遲早會撞上同一面牆：
AI 能生成建議，但法規、醫療糾紛與病人信任，都只認「人」。
一個產品如果只設計了資訊層，卻沒有回答「情境誰來讀、責任誰來扛」，再準確也進不了醫療現場。
反過來說，誰能把責任層設計清楚——哪些輸出必須有人查核、出錯時誰負責、病人隨時找得到真人——誰才拿得到進入醫療市場的門票。
AI 可以把答案帶進診間，但不能替任何人承擔答案的後果。
稀缺的四件事
我不擔心 AI 會讓專業失去價值。
我擔心的是，如果一個專業工作者的價值只剩下「提供答案」，那他的價值確實會快速下降。因為 AI 提供答案更快、成本更低，而且永遠不會累。
未來稀缺的，可能是另外四件事：
| 稀缺能力 | 為什麼 AI 接不走 | |
|---|---|---|
| 一 | 提出好問題 | AI 回答被問到的問題；決定該問什麼的，是人 |
| 二 | 做出取捨 | 十種治療方式，最後必須有人決定哪一種適合眼前這位病人 |
| 三 | 形成判斷 | 在資訊不全、狀態模糊時仍要收斂成一個決定 |
| 四 | 承擔結果 | 「我建議這樣做」——這句話之後要付出的代價，誰來承擔 |
AI 也可以幫我們寫出漂亮的簡報與企劃書，但它無法替我們承擔那句：「我建議這樣做。」
這句話的重量，才是專業真正的價值。
如果你正在想的是更前面一步的問題——要不要創業、要不要經營個人品牌、AI 會不會把這些都推翻——我把幾個常見的判斷誤區整理在這裡：醫師的「專業陷阱」：從診所創業、個人品牌到 AI 的 5 個判斷。
一句話收束
AI 把答案變便宜了。真正變貴的，是判斷、理解與信任。
接下來幾個月，我想沿著醫療現場走一圈，談談這幾樣變貴的東西——從診間的決策開始，一路談到溝通、人才、營運，最後回到病人的信任。
下一篇要談的是溝通：當病人查了三個小時、手上有一整疊資料，卻還是沒辦法把那疊資料變成一個他敢做的決定，診間裡真正缺的是什麼。在那篇寫出來之前，我先前整理過的這篇可以先看——看診不是把話說完，而是讓對方真的懂：醫病溝通與 6 個耳鼻喉問題。
關於本文：本文精簡版以〈AI 時代的醫療新思維 張益豪醫師：『它無法在你病情有變化時，幫你善後與負責』〉為題，刊登於《經濟日報》2026 年 8 月 18 日 [3]。本文為完整版，補回了醫療決策三層架構、健康產業的責任層設計，以及兩項隨機對照試驗的完整數據。
免責聲明：本文為醫療趨勢與專業觀點分享，不針對個別病情提供診斷或治療建議。文中所引研究為特定情境下的試驗結果，不宜直接外推至個別臨床決策。身體不適仍請至醫療院所就診，由醫師依個別狀況評估。
