你有沒有這樣的經驗：半夜喉嚨痛、發燒，打開 Google 查症狀，結果越查越怕，最後搜到「可能是淋巴癌」然後失眠到天亮？現在想像另一個版本：你把症狀告訴一個 AI，它不只給你關鍵字，而是像一個剛從台大醫學院畢業、讀過幾百萬份病歷的朋友，有條有理地幫你分析——「你這個症狀組合，最可能的是病毒性咽炎，但如果三天後還沒退燒，要注意這幾件事……」
這不是科幻小說。這是 2024 年 AI 醫療研究正在發生的事。
AI 考過醫師執照了，然後呢？
過去幾年，研究人員發現，像 GPT-4 這類大型語言模型（說白話：就是超強的文字 AI）在美國醫師執照考試（USMLE）上的得分，已經穩定超過及格線，某些題目的推理過程甚至讓評審醫師看了點頭稱讚。這不是因為 AI 死背了答案——研究人員特別用「從未見過的新題目」來測試，AI 依然表現亮眼。
這代表什麼？用一個比喻：如果醫療診斷是一場廚藝比賽，AI 不只是背下了所有食譜，它開始能根據冰箱裡有什麼食材，臨場組合出一道合理的料理了。
《Science》期刊的這篇評論文章整理了近年多項研究，指出 AI 在醫療推理上的能力已跨過一個門檻——從「工具」升級成「思考夥伴」。它能做的事包括：整合病人的症狀、病史、檢驗數值，提出鑑別診斷（也就是「可能是這幾種病，機率排序如下」）；解讀複雜的醫學文獻；甚至在某些研究中，它的診斷準確率已和資深主治醫師不相上下。
但「聰明」和「安全」之間，有一道很深的溝
好，聽起來很厲害，那我們現在就可以讓 AI 幫忙看診了嗎？
科學家說：沒那麼快。
問題不是 AI 不夠聰明，而是它聰明得「不夠透明」。醫師做出一個診斷，你可以問他為什麼——他會解釋推理過程，你可以質疑，他可以說「你說得有道理，我再想想」。AI 的推理過程就像一個黑盒子：它給你答案，但要追溯「它為什麼這樣想」，目前還非常困難。
更關鍵的問題是：AI 出錯的方式跟人類醫師不一樣。人類醫師累了可能漏看一個數值；AI 則可能在某個非常罕見的情境下，產生一個聽起來很有信心、但完全錯誤的答案——而且它不會臉紅，也不會說「我不確定」。這在醫學上叫做「高信心度錯誤」，是最危險的一種錯誤。
研究人員用一個詞描述這個問題：hallucination（幻覺）。AI 有時候會「編造」聽起來合理的醫學資訊，就像一個超級自信但偶爾胡說的同事——在辦公室裡還好笑，在手術室裡就是災難。
那 AI 現在能幫上什麼忙？
現實情況是，AI 在醫療上已經在發揮作用了，只是方式比「取代醫師」謹慎得多。
目前最有共識的應用場景，是讓 AI 當「第二雙眼睛」：醫師看完病人後，AI 掃描病歷，提醒有沒有遺漏的可能診斷；或者幫忙整理大量的醫學文獻，讓醫師在五分鐘內掌握某個罕見疾病的最新治療共識。這就像開車有 GPS 輔助——你還是要自己開，但 GPS 能在你要走錯路時提醒你。
另一個有潛力的場景：偏遠地區的醫療資源不足。在某些地方，一個鄉鎮只有一個全科醫師，沒有專科支援。如果 AI 能幫這位醫師做初步的鑑別診斷、提示轉診時機，對當地居民來說可能是救命的差異。
接下來的挑戰：不是科技，是制度
《Science》這篇文章的核心論點很有意思：AI 的技術門檻某種程度已經突破，真正的瓶頸反而是「人的問題」。
誰來負責？如果 AI 給了錯誤建議，病人受傷了，是醫院、AI 公司、還是使用 AI 的那個醫師要負責？目前全球沒有一個國家有完整的答案。
怎麼驗證它真的有效？藥物上市前要跑臨床試驗，AI 醫療工具目前的審核標準還很混亂。一個 AI 在考試題目上表現好，不代表它在真實病人身上一樣有效——真實世界充滿了考題沒有的混亂和不完整資訊。
醫師願意信任它嗎？這是人性問題。研究顯示，有些醫師在知道 AI 建議後，反而會產生「自動化偏誤」——過度依賴 AI，反而削弱了自己的判斷力。這就像過度依賴導航，結果自己完全不認路了。
所以，你明天可以做的一件事是……
下次你用 AI 查健康問題的時候（我知道你會），把它當成「幫你整理問題的工具」，而不是「給你答案的神」。把 AI 整理出來的資訊帶去給真實的醫師討論，問醫師「我看到說可能有這幾種可能性，你覺得呢？」
這才是目前最理想的人機協作模式：AI 幫你變成一個「更懂得問問題的病人」，醫師負責做那個需要溫度、需要判斷、需要為你負責的決定。
AI 已經能像醫生一樣思考了。但思考只是開始——讓它安全地站在你的診間裡，還有一段路要走。而這段路，值得我們一起盯著它走完。
📄 本文來源：Science（2024）
查看原始論文 ↗
