醫療AI高分低能？國考92分，臨床實戰不及格！

30 秒看重點

• 事件： 美國權威醫院研究指出，醫療AI雖能通過醫師國考，實際臨床任務表現卻不及格。
• 意義： 警示AI能力有極限，高分不代表能應付複雜現實，需更謹慎看待其應用。
• 影響： 台灣發展醫療AI應引以為戒，避免盲目樂觀，更重實用與倫理層面。

AI考高分，為何看不了病？

這項刊登在國際頂尖期刊《Nature》上的研究，由美國麻省總醫院與布萊根婦女醫院等權威機構合作完成，他們測試了目前最先進的生成式AI模型在醫療領域的表現。結果發現，AI在「知識型」考試中表現卓越，甚至超越了人類醫生平均水準。但一旦進入模擬真實的「臨床任務」，像是評估病患症狀、提供鑑別診斷、解釋病情，甚至考量後續治療方案時，它的表現就一落千丈，遠低於合格標準。

欸，這就問題大了。講白了，這就像一個學生把教科書上的所有答案都背得滾瓜爛熟，每次模擬考都拿滿分，但實際要他上場解決問題時，卻手足無措。因為AI的「理解」方式，主要還是建立在大量數據的模式識別與統計推斷上。它擅長找出相關性，但不具備人類醫生那種對複雜情境的「因果推理」能力、跨學科的整合思考，更別提同理心與病患溝通這些軟實力。簡單來說，AI只是個「背誦高手」，能完美應答考題，卻缺乏實際看病的「即戰力」與「人味」。這也點出了當前醫療AI發展的盲點，單純追求「分數」是不足夠的，如何讓AI真正「落地」並與人類協作，才是真功夫。

台灣怎麼看這件事？

這份研究對正在大力推動智慧醫療的台灣來說，無疑是個重要的警鐘。台灣在全球半導體、ICT產業擁有領先地位，加上健保資料庫的完整性與醫學人才的專業，發展醫療AI潛力雄厚。然而，這份研究提醒我們，在開發智慧醫療方案時，不能只追求技術的炫目或考試的高分，更要著重AI在真實醫療場域的實用性、安全性與倫理考量。台灣應引導AI發展方向，從單純的「效率工具」進化為能輔助醫護人員，提升病患照護品質的「協作夥伴」。同時，政府與學界在AI人才培育上也應更強調跨領域整合，培養具備醫學知識的AI工程師，以及懂得運用AI工具的醫療專業人才，才能真正讓醫療AI應用發揮最大效益。

編輯觀點

AI再怎麼聰明，終究是工具。這項研究清楚地告訴我們，當前的AI在處理高度複雜、需要綜合判斷和人文關懷的醫療情境時，還有很長的路要走。它能輔助醫生，但絕無法取代醫生。我們應該從這次「高分低能」的警訊中學習，不是盲目追求AI的技術突破，而是更務實地思考如何將AI融入現有流程，讓它發揮數據分析與效率的優勢，而將最終的判斷、倫理決策和人文照護，牢牢掌握在人類手中。這將是未來醫療照護模式演進的關鍵一步。

常見問題

AI考高分，跟我們想的不一樣嗎？

是的，AI考高分代表它記憶與推論書本知識的能力很強，但這項研究顯示，它還無法將這些知識靈活應用於複雜多變的真實臨床情境。

那醫療AI到底能做什麼？

醫療AI在數據分析、影像判讀（如X光、MRI）、藥物研發、疾病預警等「輔助性」任務上表現優異，能提升效率並提供參考資訊給醫生。

AI真的能取代醫生嗎？

目前看來，在可預見的未來，AI無法完全取代醫生。醫生除了專業知識，還需具備經驗判斷、同理心、溝通能力及處理突發狀況等綜合能力。

我們應該如何看待這項研究？

這項研究並非否定AI，而是提醒我們認清AI的現有局限，鼓勵開發者將重點放在提升AI在實際場景的可靠性與實用性，而非僅限於考試表現。

對台灣有什麼啟示？

台灣發展智慧醫療應更注重AI的「落地應用」與「人機協作」，投入跨領域人才培育，並建立健全的倫理規範，確保AI在醫療領域的負責任發展。

名詞小教室

生成式AI (Generative AI)

比喻成能「寫作文」或「畫圖」的機器人，能模仿人類的語言或圖像風格生成新內容，但背後可能缺乏真實世界的因果理解。

臨床任務 (Clinical Tasks)

比喻成醫生在診間實際看診、判斷病情的過程，不只考驗知識，還包含對情境、病患情緒、病史的綜合判斷和決策能力。