作者：默思編輯部 發布：2026-09-22
英國《金融時報》於2026年9月報導，臨床醫師對於AI工具在超出影像診斷這類「有明確標準答案」範疇之外的醫療應用，普遍抱持相當謹慎、甚至抗拒的態度——這份報導的核心觀察是，醫師們反對的並非AI技術本身，而是缺乏充分證據支持這類更廣泛應用的實際成效。
影像判讀類的AI應用（例如判讀X光片、電腦斷層掃描）之所以能相對順利獲得臨床醫師的採用信任，關鍵在於這類任務的成效具備明確、客觀的驗證標準——一張影像掃描結果，最終能透過病理切片、後續病程發展等方式，明確判定AI的判讀是「對」還是「錯」。相較之下，涉及治療建議、臨床決策草擬這類「較為混亂模糊」的應用場景，缺乏如此明確乾淨的驗證標準，也因此更難以被嚴謹地驗證成效，這正是目前這類應用普遍驗證程度不足的根本原因。
一項針對355位美國醫師與護理師進行的2026年「未來準備好的醫療照護」調查，歸納出臨床工作者對AI工具最主要的四項疑慮：72%擔憂廣告驅動偏誤（AI建議可能受到商業利益影響而失真）、74%擔憂技能退化（deskilling，長期依賴AI可能導致臨床醫師自身判斷能力退步）、74%擔憂幻覺問題（AI產出看似合理實則錯誤的資訊）、以及27%擔憂治理意識不足（醫療機構對AI工具使用缺乏完善的管理規範）。
面對這些疑慮，調查顯示77%的臨床醫師會將AI給出的答案，與PubMed、UpToDate等原始資料來源或可信賴的醫學資料庫進行交叉核對，而非直接採信AI的建議；另有53%的醫師希望AI系統能夠被要求展示其產出建議背後的完整推理過程，而不只是給出結論性的答案。這些因應做法，某種程度上反映出臨床醫師社群正在自發性地發展出一套「審慎善用AI、但保持獨立驗證習慣」的實務工作模式，而不是全盤拒絕或全盤信任這兩種極端態度。
這篇報導特別強調一個框架上的釐清：臨床醫師的抗拒態度，核心爭點在於「缺乏支持廣泛部署的證據」，而不是對AI醫療應用本身的根本性排斥——這個區分相當關鍵，因為它意味著隨著更多嚴謹的臨床驗證研究陸續發表、證實特定AI應用確實能改善病人照護結果，臨床醫師社群的採用態度很可能會隨之轉變，這是一種基於證據標準的理性審慎，而非對新技術的盲目抵制。
對於開發醫療AI應用的技術團隊而言，這份調查結果傳遞了明確的產品開發優先順序訊號：與其急於推出功能華麗但驗證不足的廣泛應用場景，不如優先投入資源，針對具體的臨床應用情境進行嚴謹的前瞻性臨床驗證研究，累積足以說服臨床醫師社群的扎實證據基礎。對臨床工作者而言，這份調查也提供了一套實用的AI工具使用原則參考——保持交叉核對的習慣、要求AI展示推理過程、對治理規範保持警覺，這些做法值得推廣為醫療機構導入AI工具時的標準實務規範。
想有系統地建立實證醫學的方法論基礎，歡迎參考實證醫學2小時速成班：從PICO到森林圖，一次掌握競賽關鍵技能。