最新更新日期:2026/06/13
本集內容導覽:
【診間現場】當病人帶著 ChatGPT 走進診間
❇️「醫生,可是我的 AI 說,這個胃鏡不見得一定要做欸?」
越來越多病人,看診前先問過 ChatGPT,然後拿著答案來「對一下」。問題是——同樣一個身體,AI 有時說要做、有時說不用,到底該聽誰的?
這一集《未來醫聲》,洪暐傑醫師邀請到本一科技共同創辦人凱爺(唐源駿)。一位是每天看診的家醫科醫師,一位是把 AI 真正做進醫療現場的科技創業者。當人人都能隨手用 AI 看病、隨手問健康問題,我們該如何聰明地使用它,又不被它的「幻覺」帶著走?這是一集關於 AI 與健康,給每個會用、也會被 AI 搞得有點焦慮的現代人的對談。
🚀 30秒重點速讀
沒時間看完整集?先記住這 4 個重點:
🤖 AI 給的是「參考值」,不是診斷
大型語言模型給的是「平均值」,還會「幻覺」——它常順著你想聽的話回答。把它當參考,別當定論。
👨⚕️ AI 還無法取代醫生
研究指出,AI 的診斷準確度仍不及臨床專業人員;它看不到你的眼神與氣色,也不能為你負責、開藥。
❓ 關鍵是「問對問題」
過於簡略的問題只會得到簡略的答案。把脈絡、條件講清楚,甚至請 AI 反過來問你,答案會準很多。
😵💫 AI 也會讓人更焦慮
資訊爆炸加上 FOMO(怕跟不上),讓不少人失眠。學會切割、管理訊息,比追上每個新工具更重要。
一、為什麼大家都先用 AI 看病、再進診間?
先說一個門診的真實風景:現在很多人來看診前,都已經先問過 ChatGPT 或 Gemini。過去想找「第二意見」,可能是問街坊鄰居;現在有了 AI,不用問出口、也不尷尬,隨時都能查。這其實是好事——代表大家更願意主動了解自己的健康。
但凱爺與洪醫師都觀察到一個有趣的轉折:查得越多,有時反而越不相信醫生。病人會說「可是我的 AI 說不用做胃鏡」「我的 AI 說膽固醇這樣不用吃藥」。洪醫師的做法很妙——他會請病人把問題現場再問一次 AI,但這次補上完整資訊(過去病史、檢查報告、有沒有糖尿病或心血管疾病)。結果往往是:同一個 AI,補了資訊之後,答案就完全不一樣了。
同樣是膽固醇,醫師會依你「有沒有糖尿病、有沒有心血管病史」綜合判斷該控制到多嚴格——這種「綜合判斷」,正是你只丟一個數字給 AI 時,它最容易漏掉的地方。
二、小心 AI 的「幻覺」:它給的是參考值
先定義一個關鍵詞:AI 幻覺(hallucination),指的是 AI 一本正經地給出看似合理、實際上卻錯誤或虛構的答案。為什麼會這樣?因為大型語言模型本質上是「學習大量資料後,給你一個平均的、最可能的回答」——它給的是參考值,不是為你量身的診斷。
更要小心的是,AI 常常會順著你、給你想聽的答案。節目中提到一個例子:一位其實在過度換氣的病人(換氣太快,把血中二氧化碳「洗」掉,導致手腳發麻、抽筋),他堅持告訴 AI「我一點都不焦慮」,AI 便順著他的描述,把方向導向了完全不同的疾病。同樣的症狀,因為你「餵」給它的訊息不同,AI 給的結論就天差地遠。因為AI 會根據你提供的資訊進行推論,如果前提資訊不完整、甚至有誤,AI 也可能沿著錯誤方向推論,進而產生不正確的建議。
三、為什麼 AI 還不能取代醫生?
這不只是醫生的「自我安慰」,而是有實證的。一篇 2025 年的系統性回顧與統合分析(涵蓋 30 項研究、4762 個案例)指出:大型語言模型的診斷準確度,整體仍不及臨床專業人員;不過若謹慎使用,它有潛力成為醫療照護中「最佳的智慧助手之一」。[1]另一篇涵蓋 168 項研究、近 3.6 萬道題目的網絡統合分析也發現:在「最有可能的前一名、前三名診斷」上,仍是人類專家準確度最高。[2]
為什麼?因為一次好的看診,是「方方面面」的:
- AI 看不到你本人:醫生能直接看到你的眼睛有沒有黃疸、氣色與神情——這種「望聞問切」的直覺,來自多年臨床經驗,是隔著螢幕的 AI 做不到的。即使現在 AI 可以分析照片、影像或檢查資料,目前仍無法完全取代面對面的身體檢查與臨床判斷。
- AI 不能為你負責、也不能開藥:就算 AI 給了和醫生一樣的判斷,能繼續為你檢查、開立處方、承擔責任的,是你面前那位活生生的醫師或醫護人員。
- 醫院是你的後盾:你敢完全照一個 App 的建議走,卻不知道它背後是誰、資料對不對嗎?醫療「不容出錯」,需要一個能 backup 的專業系統。
四、AI 怎麼用才聰明?學會「問對問題」
既然 AI 是好用的工具,那關鍵就在怎麼問。凱爺的心法很實在:過於簡略的問題,只會得到過於簡略的答案。
- 把脈絡與條件講清楚:別只問「晚上吃什麼」。告訴它你在哪、幾個人、預算多少、不吃什麼、想要幾個選項——AI 就能給出真正有用的答案。
- 請 AI 反過來問你:如果你不會問,可以說「我有這個狀況,你還需要知道哪些資訊,請先問我」。讓它把該補的條件補齊,再回答。
- 健康問題尤其如此:別只丟一句「我胸痛怎麼了」(那可能什麼答案都跑出來)。把病史、報告、感受講清楚,並記得——最後仍要回到真正的醫師做判斷。
五、AI 讓你更焦慮嗎?資訊爆炸與 FOMO
AI 讓人更輕鬆,還是更忙、更焦慮?凱爺的答案很直接:更忙。科技能力越強,能處理的事越多,環境也逼著你做更多。於是出現了 FOMO(Fear of Missing Out,怕錯過、怕跟不上)——門診裡甚至有年輕人因為「同學都在用 AI、我卻不會」而焦慮到失眠。
凱爺自己的解法,是用工具反過來「管理資訊」:他做了一個 LINE 機器人,幫他彙整公司各群組的待辦與情緒訊號,到了晚上若「今日無事」,就提醒他可以安心睡覺。重點不是追上每一個新工具,而是有意識地切割、管理訊息來源——否則「資訊爆炸」很快就會變成「焦慮爆炸」。[3]
六、AI × 醫療的未來:協作,而不是取代
那 AI 到底會不會「接管」醫療?洪醫師與凱爺的共識是:未來是「協作」,不是「取代」。你會得到醫生很棒的臨床觀察與經驗決策,同時 AI 可以幫忙做風險控管、甚至風險預測——兩者各取所需。事實上,現在的研究也提醒我們:AI 健康建議的品質參差,真正成熟、安全的臨床整合,仍需要嚴謹的把關(一篇涵蓋 137 項研究的回顧發現,只有不到三分之一的研究探討了倫理、法規與病人安全)。[1]
所以,別害怕 AI。把它想成多了一個會幫你整理資訊、陪你思考的好幫手,但最後為你的健康把關、給你「最適合你」那個答案的,依然是坐在你對面、看得見你的那位醫師。如果你喜歡這一集,也歡迎延伸閱讀《未來醫聲》其他集,例如《散步不算運動?破解肌少症與蛋白質的 7 大迷思(EP13)》,或在各大 Podcast 平台收聽《未來醫聲》,一起看見未來的健康樣貌!
📚 參考文獻
- Shan G, Chen X, Wang C, et al. Comparing Diagnostic Accuracy of Clinical Professionals and Large Language Models: Systematic Review and Meta-Analysis. JMIR Med Inform. 2025. PubMed
- Wang L, Li J, Zhuang B, et al. Accuracy of Large Language Models When Answering Clinical Research Questions: Systematic Review and Network Meta-Analysis. J Med Internet Res. 2025. PubMed
- Huo B, Boyle A, Marfo N, et al. Large Language Models for Chatbot Health Advice Studies: A Systematic Review. JAMA Netw Open. 2025. PubMed
※ 本文為健康教育與知識分享,內容整理自節目對談與公開醫學文獻,不構成個別醫療建議。AI 提供的健康資訊僅供參考,身體不適或用藥相關問題請諮詢您的醫師。










