AI 醫療決策的三層，第三層我交不出去

一個病人拿著 AI 的體質判讀走進來

她把手機推到我面前，螢幕上是一段條列得很整齊的文字：氣虛、脾虛濕盛、肝鬱化火，各配三到五條佐證，最後還有一句「建議尋求合格中醫師確認」。

她問的第一句話是：「醫師，我核對起來最像中間這個，對不對？」

那個下午我想的事情，跟這段文字的正確與否無關。她其實沒有要跟我辯論 AI 準不準，她是想找一個人，跟她一起把這件事收斂成一個決定，並且陪她走完後面那一段。

中醫這裡還多一個問題。AI 給出的是一張標籤，貼上去就固定了；證是活的，三週後回診，同一個人可能已經走到另一個地方。她螢幕上那段文字，最快的過期時間可能就是下下週。

AI 醫療決策的三層：先把定義放在這裡

資訊層：查文獻、整理病歷、列鑑別診斷、提醒少見但危險的可能性。AI 在這一層做得又快又好。

情境層：同一個診斷，落在不同的人身上會長成不同的答案。年齡、共病、工作型態、家庭支持、經濟能力，還有這個人此刻最害怕什麼。AI 只處理被輸進去的東西。

責任層：治療結果不如預期、病情變化、病人後悔的時候，重新說明、調整計畫、繼續陪伴的那個人。

這個切法來自張益豪醫師 2026 年 8 月的〈AI 給了十個答案之後：醫療決策的三層架構，與診間裡最貴的那一層〉。他從耳鼻喉科與診所經營的位置寫，我從中醫診間往回看，看到的東西剛好可以接在一起。

兩個試驗說了什麼：問題出在人

2024 年《JAMA Network Open》一個隨機對照試驗，50 位家醫科、內科與急診醫師，隨機分成「傳統資源加大型語言模型」與「只用傳統資源」兩組，各 60 分鐘處理最多 6 個臨床情境。診斷推理分數中位數：AI 組 76%、對照組 74%，調整後差 2 個百分點，沒有統計顯著性。

同一個研究裡，模型單獨作答的中位數是 92%，比對照組高 16 個百分點，這個差距達到統計顯著。

模型的能力已經夠了。卡住的地方在人怎麼用它。

2026 年 2 月《Nature Health》那個在巴基斯坦做的試驗換了做法：先讓 60 位醫師完成 20 小時 AI 素養課程，講模型能做什麼、怎麼用、限制在哪裡，訓練完才隨機分組，各 75 分鐘處理最多 6 個情境。結果是 71.4% 對 42.6%，調整後差 27.5 個百分點。

第三個試驗，補上了下半場

如果故事停在「訓練就會變好」，那是只看了一半。

同一個研究團隊在 2026 年 5 月的《NEJM AI》發表了另一個隨機對照試驗。這次的受試者是 44 位已經完成同一套 20 小時 AI 素養訓練的醫師，隨機分成兩組：一組拿到正常的模型建議，另一組在 6 個案例中的 3 個，拿到研究團隊刻意植入錯誤的建議。

拿到錯誤建議那一組，診斷推理分數 73.3%，對照組 84.9%，調整後差 −14.0 個百分點。次要指標的診斷正確率從 90.5% 掉到 76.2%，差 −18.3 個百分點。

這些人受過訓練，知道模型會錯，仍然被拉下去了。

作者的建議寫得很直接：把大型語言模型的使用配上工作流程的保障設計與人工查核，不要指望使用者自己抓得到錯誤。

責任層如果只寫成「我會小心一點」，那它等於沒有被設計過。這也是我後來把界線寫成明文的三級制的原因：判斷力在疲憊的星期五晚上會退化，寫下來的規則不會。

中醫的資訊層比想像中窄

望聞問切四個字裡，真正能被打字進對話框的，只有「問」的一部分，而且是病人願意講、也講得出來的那一部分。

脈的浮沉遲數、舌的胖瘦齒痕水滑、按下去那一下手感是實還是空、講話講到第三句氣就不夠、進門那三秒鐘的氣色——這些沒有欄位可以填。它們從來就沒有變成過資料。

所以在我的診間，資訊層 AI 幫得上的具體是這幾件：查文獻與方義、把散亂的主訴整理成時間軸、比對藥物交互作用與禁忌、提醒我少見但不能漏的可能性、把上次的紀錄拉出來對照。

這些我大方交出去，交得很徹底。

交出去之前，先脫敏

資訊層交得徹底，前提是有一道手續一定要先做完：去識別化。

姓名、病歷號、生日、身分證字號、聯絡方式、任職單位，這些一律不進對話框，這部分大家都知道。比較容易漏掉的是組合起來才有識別性的那一類：少見的職業，加上一個明確的日期，加上一個小地區，三個湊在一起就足以把人指認出來，即使每一項單獨看都不算個資。

我自己的固定做法是四件事：人用代號（A 女、B 先生）；日期改成相對時間（「三週前」取代「7 月 12 日」）；年齡改成級距（「四十出頭」取代「43 歲」）；罕見特徵改寫成同一類但不指名的講法。改完之後再讀一遍，問自己一句：如果這段文字被貼到公開的地方，認識她的人認不認得出來。

這條在我的界線三級制裡是硬規則，不看情況、不看今天多忙。原因是成本不對稱：資訊層交錯了頂多重做一次，個資交出去收不回來。

情境層：螢幕上沒有那幾格

同樣一個「氣虛」，出現在一個要輪三班的護理師身上，跟出現在一個能睡滿八小時的人身上，處方會走向不同的方向。前者要先處理的是睡眠碎裂造成的持續消耗，後者可以直接補。

情境層的資料有一個共同特徵：它們多半沒有被病人主動說出來。她不覺得「最近婆婆住進來」跟她的胃痛有關，所以不會提；她不覺得「兩個月前換了主管」需要講給醫師聽。老練的醫師會在三兩句話裡把這些問出來，這是經驗真正在做的事。

中醫這裡還有那條時間軸的問題。AI 給的是靜態標籤，辨證是動態的。病人上禮拜開始加班，證就換了地方，而那件事沒有進到任何一個對話框裡。

輸入這一端，本身就是判斷

就算讓 AI 一起看診，中間還是隔著一個人：我看到什麼、我認為那代表什麼、我決定把哪些字打進去。

同一個病人，輸入寫「疲倦」，跟輸入寫「睡足八小時起來還是累、下午三點特別沉、吃飽之後更明顯」，會得到兩份完全不同的東西。決定要寫哪一種的，是經驗。

中醫看診其實很像辦案。摸到一個地方不對，就要往下追一題；那一題的答案又決定下一題往哪裡去。而且用什麼方式問也是手藝——問「你會不會怕冷」，得到的多半是「還好」；問「冬天在辦公室，你是不是比同事早穿上外套」，答案才有東西。

問卷跟量表接不住的正是這個。量表的題目在印出來的那一刻就固定了，偵探的價值卻在於下一題由上一題長出來。

另外一件事講出來有點殘忍，但它每週都在發生：同樣一個問題，用免費版問、用沒有受過訓練的問法問，得到的答案有時候會很好笑。好笑的地方在於它錯得很有自信，而問的人看不出來哪裡好笑。

責任層：交不出去的是三週後

責任層常常被講成「經驗」，但真正在運作的東西比經驗具體得多。

法規認人，醫療糾紛認人，病人的信任也認人。這三件事目前都沒有把演算法放進被告席或被信任者的位置。

這一層在健康產業裡是最常被跳過的。想引進 AI 的保健品公司、體質檢測 App、預防醫學團隊，我看過的多數只把資訊層做得很漂亮：輸出很快、界面很好看、話說得很有把握。至於哪些輸出必須有人查核、出錯的時候誰負責、使用者隨時找不找得到真人，通常沒有答案。

誰把責任層設計清楚，誰才拿得到進醫療現場的門票。

我把資訊層交出去之後，時間去了哪裡

這是我兩年下來最想誠實講的一段。

我原本以為，把資訊層交給 AI，日子會變輕鬆。文獻整理從幾小時變成幾分鐘，病歷與紀錄的搬運我幾乎不再自己做，檔案系統會自己長，這些都成真了。

然後那些時間去了哪裡？全部被情境層跟責任層吃掉了。

問診問得比以前久，因為我知道螢幕拿不到的東西只能在這裡拿。回診追蹤變密，因為證會動。每一個判斷我現在都會寫下當初為什麼這樣決定，因為三週後我要跟自己對帳，而不是憑印象說「我覺得有比較好」。

一張可以複製帶走的三層盤點卡

手上任何一件想交給 AI 的事，交出去之前先拆三層，十個問題。

三層都答得出來，交出去；責任層答不出來，先不要交。

三個紅燈

兩篇對照著讀

AI 醫療決策的三層架構這個切法是張益豪醫師的，我做的是把它拿回中醫診間裡走一遍，加上第三個試驗，再補上「交出去之後兩年」那段實際紀錄。

他寫的是從耳鼻喉科與診所經營的位置看到的形狀，我這裡留的是把資訊層真的交出去以後，情境層跟責任層怎麼變重的紀錄。兩邊對照著讀會比單看一邊完整。

明天回診間，還是會有人把手機推到我面前。我大概還是會先說那句：「你會這樣想很合理，這幾點你觀察得很準。」然後再說：「不過有兩件事，螢幕上看不到，要在這裡確認。」

答案變便宜了。AI 醫療決策裡剩下那些變貴的，我們得自己扛。