醫師斷言 AI 能取代醫師，英國千人研究量出使用斷層

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

10 月 9 日中午，X 上出現一場同業之間的交鋒。執業於印度浦那的兒童與家庭精神科醫師 Bhooshan Shukla 貼出三個自問自答：AI 能不能在診斷、開藥、判讀檢查結果與監測處方上取代醫師？他的答案是「絕對可以」。那它會不會比真人醫師更好、更安全？「出乎意料地，是」。至於為什麼還沒發生，他在後續貼文提出自己的假說：卡住的是法律責任這一關，能力早就不是問題。

約 25 分鐘後，在個人網站上列有腹腔鏡外科執業資訊的 Amit Thadhani 引用這則貼文回擊：AI 連身體檢查都做不了。靠病史、掃描與報告能走的路有限，而且可能把判斷帶到完全錯的方向。他也留了一個例外：放射科與病理科也許真的會被取代，但 AI 現在連家醫都取代不了，更別說專科。

Pin

兩段發言都沒有附上研究佐證，本質上是兩位執業醫師的個人判斷。不過這個題目不需要停在誰的嗓門大：一份 2026 年 2 月刊登在《Nature Medicine》的英國隨機對照研究、一份常被引用的同理心研究，以及一個自 2026 年 1 月上線運作至今的美國州政府試點，正好把「AI 取代醫師」拆成三個可以分開驗證的問題。模型會不會答題，證據很強。民眾會不會用，證據出現大反轉。出了事誰負責，答案則已經有人做出來了，而且跟這場辯論裡任何一方說的都不太一樣。

「絕對可以」的三步論，把關卡推給法律責任

Shukla 的原文結構很清楚。他把問題拆成三步：能力、品質與安全，最後才是「那為什麼還沒發生」。前兩步他直接給出肯定答案，第三步他把矛頭指向制度，認為技術已經不是障礙。

他在後續貼文寫下自己的假說：法律責任是 AI 接手醫療的路障。他預測五年內 AI 會被證明遠比人類醫師更不容易出錯，而且會在涵蓋數以百萬計病患的臨床試驗中一再被證明。這段是個人的五年預測，貼文裡沒有附任何資料。他把路障畫在法律責任這一邊，這個假說隱含一個可以檢驗的命題。

如果責任安排真的能被制度化，AI 就有機會走進醫療流程。美國猶他州自一月以來做的事，幾乎就是這個命題的對照實驗。

外科醫師的反面：測驗分數看不到身體檢查

Thadhani 的反駁集中在身體檢查這一環。他的質疑是：只靠病史與報告做判斷，方向可能整個錯掉，而觸診、聽診這類身體檢查正是把方向校準回來的工具。這個論點的力量在於它無法用筆試或螢幕對話反駁，也是目前所有大型語言模型都碰不到的區塊。

更微妙的是他自己劃出的例外。放射科與病理科的工作對象是影像與檢體，恰好是 AI 已經大量進場的領域，這個讓步讓他的反對從「AI 不行」收斂成「AI 的能力有邊界，而邊界畫在身體檢查之前」。

兩位醫師加起來，等於把「取代醫師」講成了兩件事：一方談的是認知工作，另一方談的是身體在場。但真正的證據指出，還有第三件事雙方都沒碰到。

牛津團隊量出的斷層：模型會答題，不等於民眾會用

2026 年 2 月 9 日出刊、由牛津大學網路研究所團隊主導的《Nature Medicine》研究，設計可以直接回答「能力是不是早就足夠」這個問題。研究團隊先請三位醫師撰寫十個醫療情境，再交給另外四位不知道標準答案的醫師建立病症清單，然後在 Prolific 平台上招募 1,298 名英國參與者，分層抽樣以貼近英國人口結構。每個人隨機分到一組：用 GPT-4o、Llama 3 或 Command R+ 其中一個模型對話，或者落入對照組，用自己的方法查資料。任務是判斷情境裡可能有哪些病症，以及該採取什麼行動，選項從在家休息一路排到叫救護車。

模型單獨作答的成績相當高。平均 94.9% 的情境能找出相關病症，GPT-4o 為 94.7%，Llama 3 高達 99.2%，Command R+ 也有 90.8%。如果「取代醫師」指的是答題，這個數字確實接近 Shukla 想說的東西。

反轉發生在真人上場之後。同樣的模型、同樣的題目，由參與者實際對話使用，能找出相關病症的比例降到 34.5% 以下，選對處置的比例在 44.2% 以下，兩項都不比對照組好。更刺眼的是，對照組自己上網查資料，找出相關病症的勝算是 LLM 組的 1.76 倍，從較嚴重的紅旗清單裡抓出病症的機會也是 1.57 倍。把最先進的對話模型交到一般人手裡，表現反而輸給自己查資料。

Pin

研究團隊把問題定位在互動層。他們檢視對話紀錄後歸納出幾種失敗樣態：有人只問封閉式問題，例如「這跟壓力有關嗎」，把模型能回答的範圍先砍掉了；有人用擬人的方式讀模型，覺得「AI 聽起來很有信心」就跟著做決定；也有人刻意不把完整症狀告訴模型，留著事後考它。答案曾經出現在對話裡，使用者卻沒有辨識出來，或者沒有採納。

這份研究本身也有幾條必須一起讀的邊界。收案時間是 2024 年 8 月到 10 月，用的三個模型以當時標準算是前一代產品，對 2026 年的最新模型不能直接套用。參與者面對的是模擬情境，不是真實看診的壓力。而且就算模型單獨作答，處置正確率也只有 56.3%，在「該怎麼辦」這一半上，模型自己也還不到六成。研究結論寫得很直白：標準醫學基準與模擬病人測試，都預測不了真人使用時的失敗，對大眾開放前應該先做系統性的真人測試。

這個斷層不是醫療獨有。專業領域的自報分數與實際表現之間的距離，在法律版的 ChatGPT 榜單爭議也曾出現同一種結構。而民眾把健康問題直接交給 AI 工具的行為已經很普遍，研究引註的美國 KFF 民調顯示，每六位美國成人就有一位每月至少一次問 AI 聊天機器人健康資訊，健康資料助手類工具與把醫療報告收進本機的 AI 知識庫的流行，只是這個行為的另一面。

同理心證據的邊界：78.6% 偏好背後是 52 字對 211 字

支持方常引用的另一份證據，是 2023 年刊登在《JAMA Internal Medicine》的比較研究。研究人員從 Reddit 的醫療問答版隨機抽出 195 則有醫師回覆的公開提問，把原始問題丟給 ChatGPT 生成另一套回覆，將兩套回覆匿名隨機排序後交給執照醫療人員三重評比。結果是 78.6% 的評估偏好聊天機器人的回覆，被評為有同理心或非常有同理心的比例是 45.1% 對 4.6%，相差 9.8 倍。

Pin

數字本身沒有問題，有問題的是它常被拿來講的故事。同一份研究也量了篇幅：醫師回覆平均 52 個英文字，聊天機器人約 211 個，差距超過四倍。在論壇語境裡，長而完整的回覆本來就容易被讀成有耐心。研究作者的結論也收得很保守：AI 或許能協助起草回覆，再由臨床醫師審閱。他們比較的範圍僅止於公開論壇上的文字往來，離面對面看診裡的同理心都還有一段距離。

換句話說，這份研究支持的是「AI 能寫出讓人覺得被傾聽的文字」，而不是「AI 比醫師更有溫度」。把它放回 Shukla 的能力論證裡，它撐起來的部分比表面數字少很多。

猶他州把「責任」做成制度：AI 做決定，醫師掛名

如果說前兩份研究回答的是能力與使用，美國猶他州回答的是 Shukla 指出的第三關。2026 年 1 月，猶他州商務部所屬的人工智慧政策辦公室（OAIP）與健康科技公司 Doctronic、主管醫師執照的 Division of Professional Licensing 三方簽訂為期 12 個月的監理緩減協議，讓 AI 在限定範圍內接手一件真實的醫療工作：既有處方的續開。

範圍畫得非常窄。AI 只能處理 30、60 或 90 天的續開，對象必須是持照醫療人員原本就開立的藥物；不能開新處方、不能改治療計畫，管制與成癮性藥物明文排除。系統會先查核病人身分與原處方，再向 Surescripts 藥事資料庫查證最新處方狀態，發現劑量或時程對不上就轉交人類醫師。據 TNW 轉述美聯社的報導，Doctronic 約 190 種可續開藥物裡包含抗凝血劑這類出事會很嚴重的藥。

責任的設計把 Shukla 的路障假說直接做成了答案。協議把試點分成階段：第一批 250 名病患的每一筆 AI 續藥決定，都要由猶他執照醫師在送到藥局之前事前審查；接下來的 1,000 名病患改成回溯審查。藥師有疑問可以直接連絡 Doctronic 的醫師群。AI 可以做決定，但每一張處方仍然掛在人類醫師名下。人類沒有離開流程，人類被放在責任鏈上。

這個設計換來的是真實上線，也換來真實的爭議。據 AP 報導，試點 1 月上線時，州的醫療執照委員會是在新聞裡才知道這件事。4 月，委員會 11 名成員連署要求暫停，理由是副作用與藥物交互作用風險不該交給自動續開。委員會主席、家醫科醫師 Alan Smith 以個人身分對媒體說，他們得到的答覆基本上是「對，這在進行。而你沒有說話餘地」。州政府拒絕暫停，理由是第一階段每筆續藥仍有醫師審查；TNW 的報導並指出，試點由五名都不是醫師的 AI 專家組成的委員會監督。

官方自己的說法寫在 OAIP 頁面的狀態更新裡，時間點是試點上線約三個月時：已收到兩份內容合乎約定的月報；辦公室沒有接獲重大安全事故的通報；第三方紅隊測試發現對抗性使用下的潛在弱點，但評估認為防護措施大幅限制了典型使用者受害的可能性，也有防止管制藥品未授權發放的硬性攔截。同一份更新確認試點仍在第一階段，所有處方請求都需要持照醫療人員授權。到 7 月的後續報導為止，試點仍維持第一階段的設計；8 月起媒體仍在追蹤這個試點。

把猶他州經驗放回辯論裡，可以得到一個比「能不能取代」具體得多的結論：責任這一關不是等著被打破的牆，而是可以被工程化的設計題。代價也清楚可見，醫師團體被繞過的憤怒、監督委員會裡沒有任何醫師、以及抗凝血劑自動續開這類具體風險，都是這個設計正在承受的張力。

答題、使用、責任：三條證據線的下一步

回到 10 月 9 日那場交鋒，兩位醫師其實都只回答了三分之一的問題。答題能力這一塊，證據站在偏向 Shukla 的方向，但《Nature Medicine》的 56.3% 處置正確率也提醒，連這一塊都沒有全部拿下。真人使用這一塊，目前的證據是明確的反轉，而且失敗機制出在人這一端，模型升級不會自動修好。責任這一塊，猶他州已經示範了一種可複製的解法，同時也示範了它的政治成本。

之後值得追蹤的驗收點很具體。猶他州試點的第二階段回溯審查資料，會顯示 AI 與醫師的分歧率與嚴重度分佈；執照委員會與州政府的對峙有沒有走到立法或訴訟；以及有沒有研究團隊用 2026 年的新一代模型重跑真人使用測試。Shukla 預測的那種百萬人規模出錯率對比試驗若真的出現，那會是這場辯論的終局證據，但在它出現之前，「絕對可以」與「連家醫都不行」都還停留在信念的層次，離量出來的距離還很遠。

身體不適，請諮詢合格醫療人員；在把健康判斷交給 AI 之前，記得研究裡那個 1.76 倍的差距。就像機器人體力工作研究算出的那條 40 年成本曲線一樣，「做得到」與「真正發生」之間，永遠有一段需要被量出來的距離。