打開手機，群組裡有人分享新的搜尋工具，有人示範一鍵產生簡報，還有人整理了一長串「醫師必學」的 AI 指令。每一項看起來都值得學。再看看行事曆，門診、會議、家庭，加上原本就要修的繼續教育，時間早就填滿了。
在白袍人生學院，我很常聽到醫師問同一個問題：「AI 工具這麼多，我到底該先學哪一個？」
我的回答通常是：先別急著選工具。
工具會一直換，醫師真正要練的，是 AQ。
我說的 AQ，是 AI Quotient：用 AI 把事情做好的能力。它不是一張測驗分數，也不是會用多少個工具，而是三種換了工具也帶得走的能力：把問題說清楚、把答案查清楚、把方法帶回工作現場。
目前我觀察到，厲害的醫師可以在不同的 AI 平台與工具之間，例如 Claude Code、Grok 或 Codex，很絲滑地轉移，很快就能搬好家；甚至可以把自己駕馭 AI 的技能帶回診所，讓其他團隊成員也跟得上。這就是一個很重要的 AQ。
我把這三種能力整理成「AI 進修三問」。每次想報名一堂 AI 課、下載一個新工具之前，先拿這三個問題問自己：我說得清楚嗎？我查得出來嗎？我帶得回去嗎？
這也是白袍人生學院想帶給醫師們的 AQ。
這是第五篇：前四篇談病人，這一篇談醫師自己
這篇是《AI 時代的醫療新思維》系列的最後一篇。這個系列從 2026 年 8 月開始在《經濟日報》產業版刊出，前四篇看的都是診間裡的病人：
- 第一篇談決策：AI 能給答案，卻無法在病情變化時善後與負責。我把醫療決策拆成資訊層、情境層、責任層，AI 接走的是第一層。（〈醫療決策三層架構〉）
- 第二篇談溝通：病人不缺答案，缺的是有人陪他把答案變成決定。從查得到走到做得到，要經過三次轉譯。（〈三次轉譯〉）
- 第三篇談感官：電子鼻、電子舌已經能辨識某些氣味與味道，但辨識、記錄、重現是三件不同的事。（〈AI 能聞香、嚐味嗎？〉）
- 第四篇談成本：AI 讓答案變便宜，卻沒有讓決定變便宜。從資料整理完到病人點頭說好，那一段是醫療的最後一哩路。（〈醫療的最後一哩路〉）
四篇寫完，我發現它們其實在回答同一個問題：AI 進入診間之後，醫師要守住什麼？情境層與責任層、後兩次轉譯、從辨識走到重現、最後一哩路，都是 AI 接不走、還得由人完成的部分。
那麼下一個問題就很自然：守住這些事的能力，要怎麼練？這就是第五篇要談的 AQ。
為什麼工具愈多，醫師愈焦慮？
學習時間是固定的。每多追一項新功能，就少一段消化、練習與實際使用的時間。
我觀察到，焦慮的來源常常不是學得不夠多，而是學完之後，不確定哪一樣真的用得上。看完十支示範影片，回到診間，還是說不出明天早上的哪一件事會因此變好。
追工具的學習，成果會隨著工具改版而折舊；練 AQ 的學習，換了工具還能帶著走。
這和第四篇講的是同一個道理。AI 讓答案變便宜了，決定沒有變便宜；同樣地，工具和課程變便宜了，能力沒有變便宜。報名一堂課很容易，能把學到的東西用在明天的門診，才是真正的價值落地與學習應用。
有工具，不等於有 AQ
第一篇我引用過一項隨機對照試驗，當時我稱它是「一個很不舒服的結論」。收官時我想再回到它，因為它剛好是 AQ 最好的註腳。
2023 年底，美國幾家學術醫學中心找來 50 位家醫科、內科與急診科的主治醫師和住院醫師，隨機分成兩組：一組在平常的查詢資源之外，還可以使用大型語言模型；另一組只用平常的資源。每個人有 60 分鐘，分析最多 6 個臨床案例。[1]
結果，可以用 AI 的那組，診斷推理分數的中位數是 76%，只用傳統資源的那組是 74%，差異沒有達到統計上的顯著。研究團隊另外讓模型單獨作答，分數反而比只用傳統資源的醫師組高出 16 個百分點。[1]
第一篇我用三層架構解讀它：把 AI 放在桌上，資訊層變強了，判斷不會自動變好。到了第五篇，我想換一個角度說：工具很聰明，不代表使用者的 AQ 就跟著提高。缺的不是工具，是使用工具的方法。研究作者在結論也提到，要讓醫師與 AI 的協作發揮潛力，技術與人力培訓需要一起發展。
當然，任何研究一定有它的限制：案例是書面情境，不是真實病人，所以會影響到一些結果；人數只有 50 位；用的是當時的模型與介面。所以不能據此推論，今天的 AI 用在診間一定沒有幫助。但它很清楚地提醒我們：把工具發下去，不等於能力就到位了。這點很值得省思。
另一個提醒：常用 AI，自己的手感可能退步
第二項研究來自波蘭四家內視鏡中心。這些中心在 2021 年底導入 AI 輔助偵測息肉。研究團隊回頭比較：導入 AI 前後各約三個月，醫師在「沒有 AI 輔助」的大腸鏡檢查中，表現有沒有改變。[2]
結果，這些不靠 AI 的檢查，腺瘤偵測率從 28.4% 降到 22.4%。[2]
這是一項回溯性的觀察研究，時間不長，也只看一種檢查，不能證明是 AI 造成退步，更不代表所有 AI 工具都會讓人退步。但它和我常說的「用進廢退」是同一件事：大腦常走的路會變寬，少走的路會變窄。（延伸閱讀：〈出了醫學院，大腦就開始退化嗎？〉）
放回第一篇的三層架構來看，這件事更值得警惕：如果資訊層全部交給 AI，自己判讀的手感又慢慢退化，情境層與責任層就會失去支撐。所以，AQ 不只是會用 AI，也包括知道什麼時候不用。一開始的提問與大框架，還是建議由自己開始，這樣維持思考力。
第一問：你能把問題說清楚嗎？──把三次轉譯倒過來
第二篇的三次轉譯，是醫師對病人做的：醫學語言變生活語言、一般資訊變個人情境、知道變做得到。
對 AI 說清楚需求，其實是把轉譯的方向倒過來：這一次，是你要把自己的情境翻譯給 AI 聽。
想請 AI 寫一份過敏性鼻炎的衛教單，只輸入「幫我寫過敏性鼻炎衛教」，等於丟給它一句「一般資訊」，還沒有交代最重要的事。
- 這份衛教單是給國小學童的家長，還是給長輩看？這是個人情境。
- 希望讀者看完，回家做到哪一件事？這是做得到。
- 哪些話不能寫，例如不能保證療效、不能暗示停藥？這是醫師才知道的邊界。
這些條件交代得愈清楚，產出愈接近能用的版本，你也愈有依據判斷它合不合用。換成教學簡報也一樣：聽眾是誰、通常卡在哪個觀念、聽完要能做出什麼判斷。
說到底，把需求說清楚，把問題問得清晰，就是醫師的老本行。病史問得準，檢查才有方向；需求說得清楚，AI 才有方向。會對病人做三次轉譯的醫師，其實已經具備 AQ 的第一塊。
練習方法：下一次交辦 AI 之前，先用三句話寫下：給誰看？要他做出什麼行動？什麼情況算失敗？
第二問：你能查核它的答案嗎？──守住責任層
一份文字流暢、段落完整的內容，很容易讓人想直接採用。醫師需要再往前追一步：來源找得到嗎？原始資料真的支持這個結論嗎？研究的對象，和眼前討論的情境相同嗎？說穿了，就是你有判別正確性的能力嗎？如果沒有，那麼眼前 AI 結果你敢採用嗎？你敢發表發佈嗎！
練習方法：挑一小段 AI 產出，逐句標出三種顏色：哪些有依據、哪些只是推論、哪些還不確定。第一次做會很花時間，卻能讓你看見原本忽略的問題，也會慢慢知道這個工具在哪類題目上容易出錯。
查核的眼力，來自專業底子。看得出一段內容哪裡不對，靠的是你自己讀過的文獻、看過的病人、做過的判斷。這也是為什麼基本功不能外包：如果自己的判斷力因為長期不用而退化，就連 AI 錯了都看不出來，那就真的會是一個大災難。
這讓我想到我們耳鼻喉頭頸外科專科領域中的『影像導航鼻內視鏡手術』。這項手術也應該建立在醫師很熟悉鼻竇、鼻腔的生理與解剖構造之後，透過它來輔助，讓外科醫師的器械更加精準地到達醫師想要到的地方。同理，一個不懂得路況的民眾，也不應該全然相信衛星導航，讓它教你每一個轉彎與分岔路；還是要用眼睛實際觀察路況與岔路，避免不小心被帶往懸崖或斷崖，而產生生命危險。
第一篇的標題句是「它無法在你病情有變化時，幫你善後與負責」。查核，就是醫師守住責任層的日常動作：最後在病歷、診斷書或衛教單上署名負責的，是醫師，不是 AI。甚至大家都知道，AI 無法幫醫師去扛刑事與民事責任，無法幫醫師去坐牢或賠款。
第三問：你能把方法帶回現場嗎？──從辨識走到重現
第三篇談電子鼻、電子舌時，我把感官數位化分成三個層次：辨識、記錄、重現。AI 能辨識一杯咖啡的特徵，不代表能把那杯咖啡重現給另一個人。
學習也一樣分成這三層：
- 辨識：看完示範影片，覺得「原來可以這樣做」。
- 記錄：把步驟抄進筆記、存下別人的指令。
- 重現：回到自己的工作現場，從空白畫面開始，把事情做出來。
多數人的 AI 進修停在前兩層。看完示範，操作似乎很簡單；輪到自己從頭做，才知道哪裡還不熟悉。AQ 要練到的，是第三層。
練習方法：
- 選一項會反覆出現、成果容易核對的任務，例如依據已確認的資料整理衛教內容或教案。
- 從交代需求、檢查內容到修改完成，親自走過一遍，並記下哪些地方需要人工處理。
- 隔一週再做一次，看看能不能獨立完成，品質是否穩定。
- 定期留一次不靠 AI，自己從頭完成，確認手感還在。AI 可以幫你節省時間，讓你更有效率地工作，但切莫變成極度依賴，沒有 AI 就寸步難行、不會行醫。
我對進修成果的定義很簡單：回到工作現場之後，你能把哪一件事做得更好？說不出這件事，課上得再多，都還停留在「辨識」。
給診所經營者：團隊的 AQ，要算完整段
第四篇提醒過，評估 AI 健康助理，不能只算回答一次便宜多少，要算完整段照護流程。團隊的 AI 培訓也一樣：上課時數與參與人數，只是投入；要算的是課後那一段。
更值得檢視的是：
- 哪些工作已經有清楚的完成標準？
- 哪些錯誤，能在交給病人之前被發現？
- 學會的人，能不能把步驟說清楚，讓同事接手？
導入新流程時，我也建議照「先照做、做熟再改、改完就定下來」的順序。（延伸閱讀：〈別急著改：先照做、做熟再改、改完就定下來〉）這些成果累積起來，才會變成團隊的 AQ，而不是某一位同仁的個人技巧。
白袍人生學院怎麼帶給醫師 AQ
白袍人生學院是讓西醫、牙醫與中醫師跨科交流的學習社群。面對 AI，我們在意的不是教會大家某一個工具，而是三件事：
- 帶著自己工作裡的題目來。從一件你真的想改善的事開始，學習才有落點。洞察自己的問題，問出好問題、找出好漏洞，就有機會找出好解方；腦袋空空來學習，就容易得不到答案，空手而歸。
- 讓同儕看見你的產出。不同科別的醫師互相看彼此怎麼交代、怎麼查核，很多盲點，是別人一眼就看得出來的。EQ 是透過人與人多次互動磨合出來的，IQ 是透過不斷思考學習與腦神經優化後的迭代過程；AQ 某種程度上，也是仰賴自己透過框架學習法，以及同儕之間的交叉學習而來。
- 把評估放到課堂之後。學員回到工作現場，能不能用自己的話說明方法？遇到不同情境，知不知道如何調整？能不能落地執行、因地制宜？碰到無法確認的內容，能不能停下來查證？
這三件事，其實就是 AQ 三問在課堂上的樣子：帶題目來，練的是說得清楚；同儕互看，練的是查得出來；課後回到現場，練的是帶得回去。
一位中醫師如何把 AI 焦慮整理成自己的工作流，可以看〈我在李宜靜醫師身上看到的四個改變〉；哪些能力值得長期投資，可以接著讀〈AI 時代下，醫療的這些能力正在增值，哪些正在貶值？〉。
五篇收成一張地圖
| 篇 | 我的框架 | 和 AQ 的關係 |
|---|---|---|
| 一・決策 | 醫療決策三層架構 | 查得出來：守住責任層 |
| 二・溝通 | 三次轉譯 | 說得清楚：把轉譯倒過來 |
| 三・感官 | 辨識、記錄、重現 | 帶得回去：從辨識走到重現 |
| 四・成本 | 最後一哩路 | 進修也要算完整段 |
| 五・學習 | 醫師的 AQ：AI 進修三問 | 把前四篇要守住的事，練成能力 |
五篇講的其實是同一件事：AI 改變的是取得答案的成本；判斷、溝通、承擔與學習，仍然要醫師自己走完。前四篇說的是要守住什麼，第五篇說的是怎麼練。
下一次看到新的 AI 課程或工具，先寫下一件你想改善的工作，再決定要不要投入時間。
最後留一個問題給你：當答案人人都拿得到，你希望病人記住的，是你哪一種判斷？
關於本文：本文為《AI 時代的醫療新思維》系列第五篇（收官篇）的官網完整版，整合了系列前四篇的框架，並保留兩項研究的完整數據、限制說明與練習方法。前四篇的《經濟日報》見報紀錄列於文末「媒體報導」區；本篇濃縮版將投稿《經濟日報》產業版，刊出後補上連結。
