當醫療遇上智慧浪潮 臺大醫院用AI重構「以人為本」的溫度醫療

當AI逐漸走進醫院，真正的挑戰或許不是「醫師會不會用AI」，而是有一天，醫護人員甚至感覺不到AI的存在，卻已習慣它帶來的支持。臺大醫院團隊從20年前電子病歷奠定的資訊基礎一路走到今天，希望打造的不是另一套增加工作量的科技工具，而是一個如空氣般自然、穩定且可靠的醫療夥伴，讓AI退居幕後，把時間、思考與溫度還給醫療現場。

「空氣是生存所必需，但人們往往不會特別注意到它的存在。」臺大醫院團隊以此比喻理想中的AI應用，希望科技能自然融入工作流程，而非成為額外負擔。

醫療是高度專業且攸關生命安全的場域，導入新科技最大的阻力，往往不是技術本身，而是第一線人員感受到額外的「負擔」（loading），甚至擔心被取代。如果AI只是多增加一套工具、一個介面，反而可能成為臨床工作的負擔。

因此，臺大醫院重新思考AI的角色，不應該是醫護人員「多使用的一項工具」，而應無縫融入既有流程；它不是取代醫療人員，而是成為幕後的「智慧夥伴」，協助整理資料、辨識資訊、提醒可能遺漏的細節，讓醫護人員從繁瑣工作中釋放，把時間留給真正需要專業判斷與人與人之間溫度的醫療工作。

今日臺大醫院的AI應用成果，其實建立在長期累積的數位基礎之上。早在20年前推動電子病歷時，團隊思考的就不只是將紙本紀錄電子化，而是建立一套能持續演進且符合未來發展需求的資訊架構。

這個差異至關重要。若只是解決眼前問題，每次科技浪潮來臨，都得重新建置系統；但若一開始就做好資料標準、資訊架構與系統治理，新技術便能在既有基礎上自然往前走。因此，從電子病歷、資料庫到今天的AI，臺大醫院走的是一條連續的數位路徑，而AI真正帶來的改變，也不只是多一項工具，而是重新思考「人與機器應該各自做什麼」。

過去醫師問診後，還得花大量時間整理病歷、撰寫紀錄；如今透過AI助理自動整理病歷背景、比對跨年度數據，原本需要數十分鐘的文書工作，可壓縮至數秒完成。醫師進入診間，也不必始終盯著螢幕，而能把目光重新放回病人身上。

團隊表示，當醫護人員不必投入大量時間處理重複性的行政與紀錄工作時，便能有更多餘裕專注於病人照護與團隊溝通。科技省下的不只是時間，更是還給醫療人員安心思考、專注傾聽的空間。這看似是流程效率提升，實際改變的卻是醫療現場對「專業」的分配：讓機器處理大量、規律且需要運算的工作，讓人回到需要判斷、溝通與同理的位置。

這也是臺大醫院看待AI更深一層的原因。面對高齡化、醫療需求增加與人力結構改變，醫療體系真正要面對的，已不只是「有多少人可以用」，而是「如何讓專業人才願意長期留在第一線」。 （相關報導： AI走進安寧照護現場 成大醫院以科技讓病人安心在家走完最後一程 ｜ 更多文章 ）

「我們現在面對的，不只是人力不足，而是如何讓專業人才能夠長期留在第一線。」團隊指出，醫療體系的挑戰不僅在於補足人力，更在於透過合理分工與科技協助，減輕行政與資料整理等非核心工作的負擔，讓醫療人員能將更多時間投入病人照護與專業判斷。如此不僅有助於提升服務品質，也能讓專業價值得以充分發揮，進而支持人才長期投入臨床工作。

因此，AI的角色不是單純補足人力缺口，而是重新設計工作分工。系統可以從大量個案中協助辨識需要進一步關注的對象，也能先行整理分散於檢驗、病理與病歷中的資訊，讓醫療人員把有限注意力集中在真正需要專業判斷的地方。換句話說，AI創造的價值，不只是「一個人可以做更多事」，而是讓醫療人員重新把時間用在最有價值的事情上。這也是臺大醫院推動智慧醫療的底層邏輯：科技的終點，不是讓醫療變得更快、更冷，而是讓專業被看見，讓人與人的連結重新成為醫療現場的核心。

由於醫療行為攸關生命，對準確度的要求近乎苛刻。面對生成式AI的「AI幻覺」（Hallucination）與誤判風險，臺大醫院將智慧病歷系統開發嚴謹地走入「臨床試驗」路線，申請研究倫理委員會（IRB）審查，並將參與測試的醫師與醫護人員視為「受試者」，在封閉、安全的研究環境中逐步驗證。

首先，醫療AI並非任意連結外部網路，而是建立在醫院內部封閉資訊環境，連結經管理的醫療知識庫、檢驗與病理資料。其次，AI產出的內容不是直接成為正式病歷，而是「摘要」或「草稿」，必須經醫師確認後才能進入正式紀錄。換句話說，AI可以提案，但不能取代醫療決策。

這套Human-in-the-loop設計，也讓AI的角色更加清楚：它不是最後一關，而是協助醫療人員做出更好判斷的前一棒；同時，系統強調資料可追溯性，讓醫師能回頭確認AI摘要所引用的原始資料。即使目前測試結果已達約96％正確率，團隊仍認為，人為確認始終是醫療流程不可或缺的一環。真正重要的並非追求單一數值表現，而是建立完善的治理與安全機制，確保任何系統建議都能受到適當監督與驗證。

在技術落地上，團隊打造「預設範本」與「進階客製化」雙軌機制：不擅長寫Prompt的醫師可以一鍵套用，擅長科技者則能自由擴充，大幅降低使用門檻。底層結合RAG與知識圖譜（Knowledge Graph），讓AI不只是漫無目的地檢索，而能理解資料脈絡與關聯，提升查詢效率與精準度。

在院長余忠仁的帶領下，臺大醫院推動智慧醫療不僅著眼於技術發展，更重視制度、治理與資訊基礎建設的長期累積，期望建立能夠持續發展的智慧醫療環境。

除了臨床品質，臺大醫院在系統架構上也展現長期思維。考量醫療資安與斷網風險，團隊設計「雲地整合（Cloud-Edge Hybrid）」架構：地端算力不足時調用雲端，網路不穩或涉及資安敏感資料時則回歸地端，提升智慧系統的運作韌性。

同時，面對衛福部推動的國際醫療資料交換標準（FHIR），臺大醫院持續推動系統標準化與模組化設計，提升不同系統之間的互通性，也為未來跨院合作與智慧醫療發展奠定基礎。

「智慧醫療不應該是獨善其身，也不是在比誰的AI正確率多高。」團隊強調，未來這套成熟的AI服務與模型，有機會透過雲端平台擴散至資源相對匱乏的偏鄉與區域醫院，進一步改善城鄉醫療資源不均。 （相關報導： AI走進安寧照護現場 成大醫院以科技讓病人安心在家走完最後一程 ｜ 更多文章 ）

從20年前推動電子病歷，到今日逐步將生成式AI應用於臨床現場，臺大醫院始終將科技視為輔助醫療的重要工具。對團隊而言，智慧醫療的目的從來不只是導入新技術，而是透過更好的工作環境、更安全的治理機制與更有效率的流程設計，支持醫護人員專注於病人照護，落實以人為本的醫療價值。