醫生只照流程看病,人工智慧為什麼容易取代?
【30秒重點】
- 看診時若覺得只照流程走,可以問:這份指引適不適用我,標準治療無效還有什麼選擇。
- 這是中西部醫師2026年10月8日的評論,11月19日在X再推,不是新的臨床試驗。
- 流程多來自「平均病人」的試驗;對不上號的人,標準治療失敗時更需要被看見。
- 只照流程較容易被自動化;人工智慧在文字同理測驗上可拿高分,並不表示已能取代臨床判斷。
2026/11/20
中西部醫師(A Midwestern Doctor,@MidwesternDoc)在11月19日19:05(北京時間)於 X 寫:如果你的醫生只照流程走,究竟是什麼讓他們不容易被人工智慧取代?醫學在人工智慧出現之前,就已經自己製造了這個問題。傾聽、看出對不上號的地方、針對眼前這個人調整,這些能力在醫學裡一路被擠掉,而它們在標準治療失敗時最要緊。他連到自己2026年10月8日的長文,標題是「消失的人類存在感」,副題寫:為什麼完美讓人覺得假、產業如何把人從藝術裡抽掉、這又讓我們付出什麼代價。(原貼文)(中西部醫師,2026年10月8日)這不是當天才發表的新試驗,而是把一篇已刊出約一個半月的評論再推一次。本次打開的是全文公開版,不是付費牆後面的摘述。
長文從音樂和媒體講起:技術一開始是幫藝術家把人味留下來,後來技術本身成了重點,被「優化」過的產品像超常刺激,完美卻讓人覺得假。他說醫學走了同一條路:感知並適應每一位病人的技藝,被換成給統計上「平均病人」用的流程,而很少人真正符合那個平均;仍把醫學當藝術來做的醫師常被汙名,卻在標準化照護失敗時被人找上門;那些把自己減成只會走流程的人,已經讓自己變得可被人工智慧取代。他還寫:人工智慧寫出來的文字,本質上是所有人的平均,背後沒有任何一個具體的人。先核官方和獨立研究怎麼寫,再看「只照流程就容易被取代」這句話能走多遠。
診療指引官方怎麼寫?它幫的是平均病人,還是眼前這個人?
主流立場並不是「指引是騙局」。實證醫學把診療指引寫成:把試驗裡平均有效、平均較安全的做法,整理成可重複的流程,用來減少因醫師習慣不同而出現的有害差異。這份舉證責任仍在主流這邊:平均有效,是不是等於對坐在前面的這個人也有效?試驗裡的人,是不是跟門診裡的人同一批?
流程確實可以降低有害的差異。海恩斯(Alex B. Haynes)等人2009年在《新英格蘭醫學雜誌》報告世界衛生組織19項手術安全核對表:8家醫院、實施前3,733人、實施後3,955人,住院死亡從1.5%降到0.8%,併發症從11.0%降到7.0%。換成絕對數字,每1,000台手術,死亡約從15人降到8人,少約7人;併發症約從110人降到70人,少約40人。這是實施前後對照,不是隨機試驗;出資單位為世界衛生組織。(Haynes等,《新英格蘭醫學雜誌》,2009)核對表這類工具,要防的是「不該漏掉的步驟被漏掉」,不是宣稱一份流程能套在所有人身上。
問題出在把「地板」做成「天花板」。中西部醫師寫:這些流程來自測量大群體平均反應的試驗,對真正符合平均的人最有用,卻很少人長得像那個平均。范斯帕爾(Harriette G.C. Van Spall)等人2007年在《美國醫學會雜誌》抽樣1994年至2006年高影響係數綜合醫學期刊的283篇隨機試驗:81.3%以常見病況作為排除條件,72.1%因年齡排除(其中38.5%排除較年長的成人),54.1%排除正在使用常見處方藥的人,39.2%以與女性相關的條件作為排除理由;全部排除條件裡,只有47.2%在該試驗脈絡下被評為「有充分理由」。他們還寫,由產業贊助的試驗,更常因併病、併服藥物和年齡把人排除在外。出資單位本次未能從公開摘要核到Funding段,標為無法確認。(Van Spall等,《美國醫學會雜誌》,2007)試驗裡看得到平均效果,不表示門診裡有多種慢性病、年紀較大、或正在吃其他藥的人,會得到同一個數字。
肖克(Nicholas J. Schork)2015年在《自然》的評論進一步把暢銷藥的「需治療人數」攤開來寫:當時美國銷售額最高的10種藥,對用藥者的幫助大約介於25人中的1人到4人中的1人;也就是每幫到1個人,另有約3到24個人沒有在該項指標上得到同樣的好處。這是評論對已發表需治療人數的整理,不是新的臨床試驗;「有幫助」取決於看哪個結果、追蹤多久、收的是哪一種風險的人,不能讀成「這些藥對大多數人都沒用」。該文是評論,不是試驗,沒有傳統試驗那種贊助段。(Schork,《自然》,2015)診療指引是給平均病人用的工具,不該變成天花板;藝術在於看出誰對不上號,尤其是標準治療已經失敗的時候。這也不是叫人放棄實證醫學。平均效果仍是起點,只是起點不能代替對眼前這個人的判斷。
只照流程,真的比較容易被人工智慧取代嗎?
貼文這句話的合理之處,不在「人工智慧永遠不會傾聽」,而在:醫學若先把自己收成可審計、可複製、為平均病人設計的流程,剩下來最像演算法的那一部分,本來就比較容易被自動化。長文舉的幾組數字,多數對得上獨立來源,但有幾處區間要改準。
醫師從獨立執業走向機構僱用,方向是對的,數字要換成醫學會自己公布的序列。美國醫學會2025年5月29日新聞稿寫:在醫師全數自有的私人執業機構工作的比例,2012年為60.1%,2024年降至42.2%,十年降了18個百分點;醫院擁有的執業機構則從23.4%升至34.5%。貼文寫「平價醫療法案之前約60%至70%,2024年只剩35%至42%」,上沿接近,底部的35%並未出現在這份2024年分析裡;該會這套基準調查也是2012年才開始,不能直接當成2010年法案前的普查。(美國醫學會新聞稿,2025年5月29日)辛斯基(Christine Sinsky)等人2016年在《內科學年鑑》對57名醫師做時間動作研究,涵蓋4個專科、16家診所:門診時間裡,面對面約占27.0%,電子病歷與桌面文書約占49.2%;相當於每面對面1小時,另外再花將近2小時在電子病歷和文書上,另有醫師回報晚上還要做1至2小時。出資單位為美國醫學會,該會本身有動機記錄行政負擔。(Sinsky等,《內科學年鑑》,2016)
信任下滑的數字對得上。佩利斯(Roy H. Perlis)等人2024年在《美國醫學會雜誌網絡公開版》分析美國50州、443,455名不重複受訪者、24波調查:對醫師和醫院表示「很信任」的比例,從2020年4月的71.5%降到2024年1月的40.1%。換成絕對數字,每100人裡約從72人降到40人,少約31人;問的是「很信任」,不是「完全不信任」。出資單位包括美國國家精神衛生研究院、國家科學基金會、奈特基金會、彼得森基金會,以及哈佛、東北、西北與羅格斯等大學。佩利斯本人另披露擔任多家人工智慧與藥廠相關公司顧問或科學顧問,並持有部分公司股權,與本調查分開揭露。(Perlis等,《美國醫學會雜誌網絡公開版》,2024)施瓦茨(Lisa M. Schwartz)與沃洛辛(Steven Woloshin)2019年在《美國醫學會雜誌》整理:1997年至2016年,美國直接面向消費者的醫療服務廣告支出從5.42億美元升至約29億美元,約增加430%;同期醫療服務本身的開支約從1.2兆美元增至2.2兆美元,約增加90%。該文Funding段本次未能逐字打開核對,出資單位標為無法確認。(Schwartz、Woloshin,《美國醫學會雜誌》,2019)
「醫師在場」本身有研究,但不是療效試驗。布朗-詹森(Cati Brown-Johnson)等人2019年在《BMJ Open》做質性訪談:2017年至2018年訪問10名醫師和30名非醫療專業人員,把臨床「在場」定義成有意識的覺察、專注與注意,目的是理解並連結眼前的人;傾聽被描述成進入這種狀態的核心。出資單位為戈登與貝蒂・摩爾基金會,補助編號6382;兩位作者另有退伍軍人事務部學術事務高級研究員獎學金。這是定義與訪談,不是證明「在場能讓某病少死多少人」的試驗。(Brown-Johnson等,《BMJ Open》,2019)
診斷推理這份2024年隨機試驗,常被用來支撐「流程化的工作已經可被取代」,但主結果和探索性分析要分開讀。吳(Ethan Goh)等人在《美國醫學會雜誌網絡公開版》讓50名家庭醫學、內科或急診醫師(26名主治、24名住院醫師,執業年資中位數3年)處理最多6則書面病例:一組可使用GPT-4(ChatGPT Plus)加上傳統資源,一組只用傳統資源(例如UpToDate、Google)。診斷推理分數中位數,使用該模型的一組是76%,只用傳統資源的一組是74%,校正後相差2個百分點(95%信賴區間-4至8,P=0.60),沒有顯著差別。作為探索性分析,該模型單獨作答的中位數是92%(四分位距82%至97%),比只用傳統資源的醫師高出16個百分點(95%信賴區間2至30,P=0.03)。出資單位為戈登與貝蒂・摩爾基金會;作者之一楊(Daniel Yang)在研究進行期間是該基金會員工;另一位作者霍維茨(Eric Horvitz)當時任職微軟。這是遠距或現場的書面病例,限時約60分鐘,不是真實診間;作者也寫,不應解讀成可讓這類模型在沒有醫師監督下獨立診斷。(Goh等,《美國醫學會雜誌網絡公開版》,2024)
同理心的證據是混雜的,不能寫成「人工智慧永遠不會傾聽」。艾爾斯(John W. Ayers)等人2023年在《美國醫學會內科學雜誌》把195則公開論壇上的病人提問,交給ChatGPT與醫師各寫一則書面回覆,再由醫事人員評分:被評為有同理或非常有同理的,聊天機器人占45.1%,醫師占4.6%;評分者較偏好聊天機器人回覆的占78.6%。這不是原發問病人的感受,也不是面對面看診。出資單位包括伯勒斯・韋爾科姆基金、加州大學聖地牙哥分校PREPARE研究所與美國國衛院;艾爾斯披露持有Good Analytics與Health Watcher股權。(Ayers等,《美國醫學會內科學雜誌》,2023)豪克羅夫特(Alastair Howcroft)等人2025年在《英國醫學通報》系統回顧15項2023年至2024年研究,其中13項可合併:標準化平均差0.87(95%信賴區間0.54至1.20),整體偏向人工智慧這邊被評為更有同理;幾乎都是ChatGPT的文字回覆,由旁觀者打分,不是真實診療關係。該回顧寫明沒有來自公部門、商業或非營利機構的特定補助。(Howcroft等,《英國醫學通報》,2025)人工智慧在書面病例和文字同理測驗上可以得高分,但這仍不是真實診間裡的傾聽與判斷;已經被收成流程、為平均病人而寫的那一部分,才比較容易先被取代。
長文裡還有幾處要分開標。自動音高修正軟體1997年問世、雪兒1998年的〈Believe〉把這種效果推上排行榜,有當代樂評整理可對。(Stereogum對〈Believe〉的整理)2025年OpenAI與麻省理工學院媒體實驗室的聊天機器人研究,較高的每日使用量與較多孤獨感、依賴和較少社交往來相關,但使用量本身不是隨機分配的,方向仍無法確定是用了才孤獨,還是本來較孤獨的人用得比較多;OpenAI是產品利害關係人。(OpenAI與MIT媒體實驗室,2025)文中提到某醫院泌尿科醫師在沒有機器人輔助時不願切腎、後來又在安全委員會重寫「勝任」定義,是他先前外科評論裡的例子,本次未能獨立核到該院文件,標為無法確認。標準治療失敗後仍被人求診、以及新冠期間偏離流程的醫師後來受到處分,是他在其他文章裡展開的敘事,本篇不另當新證據重述。
| 項目 | 研究怎麼寫 | 換成較生活化的讀法 |
|---|---|---|
| 對醫師和醫院「很信任」 | 2020年4月71.5%,2024年1月40.1%;443,455名不重複受訪者 | 每100人裡約從72人降到40人,少約31人;問的是「很信任」 |
| GPT-4單獨 vs 只用傳統資源的醫師 | 診斷推理中位數92%對74%,相差16個百分點;醫師加上該模型是76% | 書面病例上,模型單獨高16個百分點;但醫師「有沒有它」幾乎沒差,也還不是真實看診 |
| 看診1小時對上文書 | 再花將近2小時在電子病歷與文書,另有人回報晚上1至2小時 | 門診時間裡,打字和文書(49.2%)比面對面(27.0%)多 |
| 前10大暢銷藥「幫到多少人」 | 2015年評論整理為約1/25到1/4 | 每幫到1人,約另有3到24人在該指標上沒有同樣好處;這不是新試驗 |
相對數字看起來很大時,先換成「每100人或每1,000人差幾個」。信任少了約31個百分點,說的是「很信任」這一個選項;模型高出16個百分點,說的是書面推理量表,不是病人出不出院。需治療人數更要看清楚:同一種藥,若改看死亡率而不是中間指標,數字會再變一輪。
這些研究是誰出錢的?哪些題目幾乎沒人出錢?
跟錢走,會看到兩邊的誘因不對稱。把醫學收成可審計的流程,方便機構計價、複製和保險核付;獨立、花時間聽、為對不上號的人改治療,很難被標準化,也就比較難被當成可擴張的產品。美國醫學會出資記錄電子病歷占掉的時間,本身是在控訴行政負擔,但該會同時也是這套體系裡的參與者。摩爾基金會同時贊助「醫師在場」的質性定義,以及GPT-4診斷推理試驗,後者還有作者任職於出資單位。同理心評分試驗部分有國衛院和基金會,也有作者持有健康數據公司股權;聊天機器人孤獨感研究則有產品公司自己參與。產業贊助的試驗更常把有併病、正在用其他藥的人排除在外,平均效果就更容易看起來乾淨。
比較少人出錢的,是另一類問題:當標準治療已經失敗,傾聽和調整到底能不能改變結局;真實診間裡,人工智慧的「同理文字」能不能轉成可測量的病人結果;以及一份指引若只對試驗裡的平均病人有效,偏離它一次,在法律和給付上要付什麼代價。這些題目不容易做成可擴張的產品,也就比較少出現大型試驗。
台灣這邊,官方並沒有宣布「人工智慧可以取代醫師」。衛福部2026年5月29日以衛部醫字第1151663164號函頒布《醫療機構應用生成式人工智慧指引》,屬行政指導、不是強制規定,適用已導入或準備導入的公私立醫院和診所,情境包括病歷撰寫輔助、臨床決策支援、行政文書和病人溝通。指引寫:涉及臨床判斷、病人安全、病人溝通或醫療紀錄的使用情境,應由具相應專業資格、且在執業範圍內的醫事人員負最終確認、審核與責任;並提醒,若過度信任系統、把產出當成最終結論,可能讓自主臨床判斷退化。官方針對的是「輔助」和「人要負責」,不是放行自動看診。(衛福部函頒說明)(指引全文)把醫師減成只會走流程的人,等於先把自己變成可被自動化的那一部分;要留下來的,是看出這個人為什麼對不上號。
以上由 Grok 整理
本站提過的類似內容:
- 就醫前後問醫師及AI這幾個問題:這個藥到底幫多少人?且有啥風險?:已寫過可以把人工智慧當成提問工具,去問需治療人數和風險;討論的是怎麼問,不是醫師會不會被取代,和本篇相關但不是同一篇文章。
- 好文:人工智慧的奇蹟(作者:David Healy醫師):轉介希利醫師對人工智慧進入醫學的評論,重點在機器能做平均判斷時,個別病人的故事還剩什麼位置。
- 諾獎背後AI醫療的中肯實話與真相(Alfonso Valencia):討論人工智慧在醫學研究與醫療中的能力與限制,是相關主題,不是本篇這則「流程化照護是否可被取代」的評論。
- 「唯一標準」的臨床指引正在殺人:已寫過把單一指引當成唯一標準的風險,和本篇「平均病人對不上號」的線索相近,事件與例證不同。
- 當指南變成藥廠廣告:美國心臟協會最新力作解析:從出資與利益衝突看臨床指南如何被寫成,用來理解流程背後的誘因,不是人工智慧主題。
- David Healy - Time to abandon evidence based medicine?:較早討論實證醫學面對個別病人時的限度,和本篇「指引是工具、不是天花板」相關,並不是同一篇關於人工智慧取代醫師的評論。
- 為什麼「沒症狀卻去健檢」可能比生病更傷身?:從過度診斷談標準化篩檢和平均風險如何把人變成病人,主題相關,不是同一篇。
If your doctor only follows a protocol, what exactly makes them hard to replace with AI?
— A Midwestern Doctor (@MidwesternDoc) November 19, 2026
Medicine created this problem long before AI arrived.
Listening. Noticing what doesn’t fit. Adapting to the person in front of you.
Those abilities have been steadily squeezed out of medicine, and they matter most when the standard treatment fails.
Here's what we lose when we engineer the human out of care:
https://www.midwesterndoctor.com/p/the-vanishing-human-presence
留言
張貼留言