根據《自然醫學》（Nature Medicine）最新刊登的研究，市面上標榜專為醫療場景打造的專業大型語言模型，在回答臨床問題的正確率與穩定性上，不僅沒有打敗通用型AI，反而全面落後給ChatGPT與Claude。更令人不安的是，目前美國已有約三分之二的醫師在日常工作中，將名為OpenEvidence的臨床AI聊天機器人納入常規流程。當醫學教育現場的思維鍛鍊，與臨床決策的輔助工具雙雙失靈，問題已經不只是「技能退化」這麼簡單。
史丹佛大學醫學院醫學生西馬爾巴賈傑（Simar Bajaj）與約翰斯霍普金斯醫學中心創傷外科醫生約瑟夫薩克蘭（Joseph Sakran），日前在《衛報》聯合投書，直言這波AI浪潮對醫學訓練帶來的威脅，並非讓年輕醫師「忘了怎麼思考」，而是他們從一開始就沒有真正建立過獨立的臨床推理能力。
這句話聽起來很重，但背後藏著一個被多數人忽略的本質差異。傳統的醫學資料庫檢索，好比給你一座圖書館，你得自己判斷關鍵字、過濾文獻、把分散的臨床線索拼湊成診斷邏輯；但生成式AI的運作方式，是跳過所有掙扎，直接遞上一份接近完美的答案。問題在於，大腦的學習路徑不是靠「閱讀答案」來強化的，是靠「犯錯、被糾正、感到尷尬」來刻痕的。
三分之二醫師已在用AI，但AI本身可靠嗎？
巴賈傑與薩克蘭在文章中指出，OpenEvidence這類臨床AI機器人，已滲透進美國約三分之二的醫師日常工作環境。這代表AI早已不是遠景或實驗，而是真實影響著病患的診斷與治療走向。
然而，《自然醫學》近期一項系統性評估卻揭露了一個尷尬的事實：那些宣稱經過專業醫學數據微調的臨床語言模型，在專業醫療問答的表現上，竟普遍落後於通用型聊天機器人。研究作者更直言，這些醫療專屬模型的整體水準，大致只跟Google先前備受爭議的「AI概覽」差不多——而後者曾因頻繁生成荒謬、不實的答案而淪為笑柄。
這就形成了一個非常危險的雙重斷層：第一，醫學生的思考路徑正在被取代；第二，取代他們的工具，本身精準度還有待商榷。把一個尚未建立推理能力的學員，交給一個表現僅與「爭議AI概覽」相當的系統，這不是在輔助教學，這是在臨床安全的鋼索上蒙眼行走。
編輯觀點：從產業面來看，醫療AI的評測標準遠比一般應用來得嚴苛，因為犯錯的代價是生命。這份《自然醫學》研究真正該敲響的警鐘，不是「通用AI比專業AI強」，而是「我們目前根本沒有一套足夠嚴謹的架構，來驗證這些號稱醫療級的模型」。當三分之二醫師都在用，卻沒人保證它比ChatGPT更準，這已經不是技術問題，是監管與教育體系的落後。對一般民眾來說，下次醫師告訴你「這是AI輔助診斷的結果」，也許你該多問一句：是哪一套AI？
為什麼「感到尷尬」是醫學訓練的必修課？
巴賈傑與薩克蘭在文章中點出了一個殘酷但真實的學習機制：傳統醫學教育中，當臨床導師要求醫學生提出鑑別診斷清單時，學生必須在腦中快速調動病理學、生理學與臨床症狀的知識網絡，絞盡腦汁後往往只能擠出一份殘缺的清單。導師當面指正遺漏之處的那一刻，確實令人臉紅、難堪，但正是這種不適感，讓知識漏洞被深刻烙印，下一次遇到類似病例時，大腦會自動響起警報。
AI介入後，受訓者只消輸入症狀，幾秒內就能拿到一份涵蓋各種罕見病因的「完美清單」，不僅迴避了被糾正的尷尬，更直接跳過了認知掙扎的過程。這背後的認知科學原理很簡單：大腦對「順利獲取」的資訊記憶極淺，對「經歷痛苦才得到」的教訓記憶極深。把掙扎從學習路徑中移除，等於把記憶的錨點也一起拔掉。
話說回來，這不表示醫學教育應該全面排斥AI。事實上，AI可以是一個優秀的「事後驗證工具」——學生先絞盡腦汁提出自己的診斷推論，再用AI檢視遺漏了哪些可能性，這時AI的產出反而能成為強化學習的對照組。但前提是：思考必須發生在AI之前，而不是之後。
AI跟MRI哪裡不一樣？關鍵在「思考外包」
過去幾十年來，醫學科技從高解析度核磁共振到精密的血液分析儀，本質上都是在擴展醫師觀察生理現象的視野與維度。醫師看到更多、更細，但最終的判斷與推理，仍由人類大腦完成。換句話說，科技是延伸感官，不是替代思考。
生成式AI的本質截然不同。它直接介入認知產出的最終階段——結論。當一個醫學生習慣了「輸入問題、取得結論」的捷徑，他從未真正經歷過從零到一的推理過程。這個差距在資深醫師身上或許可以被快速彌補，因為他們的腦中早已存在完整的病理演繹網絡；但對於還在打地基的醫學生來說，他們的大腦根本沒有建立過那座網絡。一旦工具離線，診斷能力也跟著離線。
這讓人聯想到一個經典的認知心理學實驗：長期依賴GPS導航的人，對路徑的記憶力與空間感會明顯退化。但醫學的殘酷在於，迷路可以重新導航，誤診的代價卻可能是一條人命。
數據背後的啟示
這份來自史丹佛與約翰斯霍普金斯專家的警示，搭配《自然醫學》的實證數據，給了我們三個無法忽視的結論。第一，專業醫療AI的精準度並非神話，現階段甚至不如通用型AI，臨床導入的速度必須踩煞車。第二，醫學教育的核心不在於「給出正確答案」，而在於「經歷得出答案的掙扎過程」，這是AI永遠無法外包的價值。第三，也是最深層的問題：當三分之二醫師已經在日常工作中依賴AI，我們卻還沒建立足夠嚴謹的驗證機制與教學規範，這已不只是醫學界的課題，而是整個社會需要正視的風險。
AI不會消失，也不該消失。但我們必須想清楚一件事：到底是用AI來輔助已經會思考的人，還是讓AI替換掉本來就不會思考的人？ 這個問題的答案，將決定未來十年醫學訓練的走向，也將直接影響你我就醫時的診斷品質。
本文改寫整理自公開新聞來源，原始報導由T客邦發布。
常見問題 FAQ
醫學生使用AI真的會讓臨床能力退化嗎？
會的。根據史丹佛與約翰斯霍普金斯專家的警示，問題甚至不只是「退化」，而是年輕醫師從未建立獨立的臨床推理能力，一旦離開AI輔助，可能無法獨立完成複雜診斷。
目前醫療用AI的準確度可靠嗎？
不可靠。最新《自然醫學》研究顯示，專業醫療語言模型的準確度普遍落後於ChatGPT與Claude等通用型AI，其表現大致僅與Google曾引發爭議的「AI概覽」相當，可靠性仍有很大疑慮。
美國有多少醫師正在使用AI輔助診斷？
根據巴賈傑與薩克蘭引述的數據，目前美國約有三分之二的醫師在日常工作中使用名為OpenEvidence的臨床AI聊天機器人，顯示AI已深度嵌入臨床工作流程。
醫學生該怎麼正確使用AI才不會傷害學習？
正確的使用方式是「先思考、後驗證」。醫學生應先獨立完成鑑別診斷的推理，再用AI檢視遺漏之處，將AI當作對照與補強工具，而非直接取代思考過程的解答產生器。
這份研究對一般民眾有什麼影響？
影響很大。代表你未來就醫時，醫師背後的AI輔助決策系統可能尚未經過嚴謹驗證。建議民眾主動詢問醫師是否有使用AI輔助，以及採用的系統是否經過臨床實證。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
