作者：默思編輯部 發布：2026-10-14
每隔幾個月，「AI會不會取代醫生」就會重新變成熱門話題。2026年11月，新加坡國立大學醫院臨床創新負責人Zubin Daruwalla在Fortune舉辦的活動上給出一句常被引用的說法：臨床工作不會被科技取代，但不用科技的醫師，會被懂得用科技的醫師取代。這句話之所以廣為流傳，是因為它剛好卡在兩種極端論述的中間——既不是「AI馬上取代醫生」的恐慌，也不是「AI只是輔助工具、不會改變什麼」的安慰劑。
把近期的證據攤開來看，答案其實偏向「局部替代、整體augmentation」。發表於npj Digital Medicine、涵蓋83篇研究的系統性回顧發現，生成式AI在臨床診斷任務上的整體準確率約52.1%，部分新模型表現接近非專科醫師、甚至略勝一籌，但仍追不上專科醫師的水準。另一方面，《刺胳針數位健康》針對82篇研究的統合分析顯示，深度學習模型在影像判讀上的敏感度達87%，略高於醫事人員的86.4%，特異度92.5%對90.5%，同樣小幅領先——但該篇分析也警告，許多研究的設計品質偏弱，部分AI系統從未經過外部驗證。英國團隊針對髖關節骨折X光的研究則是落差較大的案例：AI判讀正確率92%，醫師只有77.5%。
截至2026年，FDA核准的AI醫療器材清單已經超過1,600項，其中超過七成集中在放射科應用，2025年單年新增就有295到335項不等（不同追蹤機構的統計口徑略有差異）。這代表AI早已不是「未來式」，而是已經以醫材形式大量進入臨床現場。與此同時，美國醫學會（AMA）的調查顯示，有超過80%的醫師表示目前在工作中使用AI，相較2023年的38%幾乎翻倍，AMA執行長John Whyte也公開表示，AI的設計目標應該是強化醫師能力、而非取代醫師。
綜合這些證據，比較誠實的結論是：AI在特定、範圍狹窄的判讀任務上（例如特定影像的異常偵測）已經能達到甚至超越人類平均水準，但距離取代醫師整體的臨床判斷、溝通、責任承擔，還有相當距離——沒有一套AI系統擁有醫師執照，也沒有AI系統能代替醫師出庭負責。對醫學生與臨床醫師來說，與其糾結「會不會被取代」，不如及早摸清楚AI在自己次專科裡實際能做到哪些事、做不到哪些事，這會是未來幾年臨床能力的一部分。值得留意的是，前述統合分析也反覆提到一個方法學上的警訊：不少宣稱「AI打敗醫師」的研究，比較基準其實是單一、未經外部驗證資料集下的表現，一旦換到不同醫院、不同病人族群的真實世界資料，準確率往往會明顯下滑。這也是為什麼《刺胳針數位健康》的作者群特別提醒，解讀這類「AI勝過醫師」的新聞時，要先確認研究是否做過外部驗證、樣本來源是否具代表性，而不是只看一個漂亮的準確率數字。
想系統化建立判讀研究證據、評估AI輔助工具可信度的基礎能力，可以參考實證醫學2小時速成班：從PICO到森林圖，一次掌握競賽關鍵技能，從PICO架構到森林圖判讀，建立面對任何「AI又贏過醫師」頭條時的查證能力。