斯坦福健康 AI 週：拆解醫療 AI 的炒作與進展

AI 正在讓患者更容易取得醫學知識

人工智慧已經在患者層面產生最直接的影響，透過平衡醫學資訊的取得門檻。患者越來越多地使用 AI 工具來導航診斷旅程、管理慢性疾病，並為與臨床醫師的會診做準備，常常填補因醫療系統緊張而留下的空白。

填補取得差距

患者使用 AI 不僅是為了資訊，更是為了可及性。在醫師資源有限的地區，AI 成為主要的聯絡點。此外，AI 提供了一個不帶評判的環境，讓患者感受到自己的關切被聽見與記住，這與僅有 15 分鐘、往往會遺漏病史的臨床會診形成鮮明對比。

文化摩擦的風險

知情患者與傳統臨床文化之間的緊張關係日益加劇。有些臨床醫師將受 AI 賦能的患者視為「尋醫者」或問題患者，而倡導者則認為知情的患者是減少診斷錯誤的解方。目標是將關係從權威式轉變為夥伴式，讓患者能將自有的資料（來自穿戴裝置與 AI 工具）帶給醫療提供者。

加速藥物開發與臨床試驗

AI 正從理論潛力轉向製藥產業的具體營運成果，特別是在縮短藥物上市時間與成本方面。

製藥的營運勝利

實際應用已顯示出顯著成效：

• 製造品質： AI 正大規模應用於降低製造廠的品質問題。
• 安全訊號偵測： 曾有案例中，AI 工具在三週內發現一項研究的第一期與第二期之間的製程變更——這在幾年前是無法做到的——從而拯救了一個藥物候選者免於失敗。
• 開發時程： 部分組織的目標是將首次人體試驗到獲得法規批准的時間縮短 30%。

轉變臨床試驗招募

臨床試驗的招募仍是主要瓶頸。焦點正轉向「資訊呈現」給前線醫師。透過簡化開放試驗的搜尋（例如使用綠/紅指示燈顯示站點可用性），系統可顯著提升入組率。長遠願景包括利用 AI 從非結構化的電子病歷資料中辨識符合條件的患者，甚至利用歷史標準降低罕見疾病試驗中大量安慰劑組的需求。

技術基礎建設：向混合與代理 AI 轉型

醫療 AI 的未來正朝向「代理系統」發展——AI 不僅回應提示，還能透過與工具與知識庫互動來執行任務。

混合部署模型

鑑於醫療資料的敏感性與 Windows 為主的舊有系統普遍存在，分層式基礎建設正逐步形成：

1. 通用雲端： 提供廣泛知識與一般 API。
2. 領域專屬雲端/本地部署： 為具備公司深度領域專長的專屬代理服務。
3. 本端/桌面端： 用於必須置於防火牆內的核心智慧財產與患者敏感資料。

從提示到監控

AI 在臨床的演變正從「提示‑回應」模式走向「常時監控」系統。代理可以即時感知患者資料的變化並提示醫師，而不必等醫師先發出指令。

克服組織與文化限制

儘管技術能力已具備，醫療領域 AI 採用的主要障礙仍是文化與結構性的，而非技術本身。

「影子 IT」問題

許多醫護人員因機構禁令或採購流程緩慢，會在個人裝置上使用 AI 工具（將筆電連接手機），造成工具的實用性與組織授權之間的落差。這導致出現「影子組織」，生產力提升發生在官方監管之外。

衡量影響與投資回報率

量化 AI 的價值相當困難，因為收益往往分散。組織正採取雙層投資策略：

• 素養投資： 小規模專案，雖未追蹤 ROI，但目的是提升全體員工的 AI 素養。
• 策略投資： 大規模專案，透過強力追蹤來測量時間或成本的具體差異。

人的因素與職位取代

關於勞動的敘事呈現出明顯分歧。在某些領域，AI 用於減輕行政負擔（例如使用環境音聲技術生成臨床筆記），讓醫護人員能在「執照最高層」發揮作用。另一些領域則將生產力提升作為裁員的正當理由，導致公眾認為 AI 可能弊大於利。

---

摘要： 來自醫療、生命科學與產業的領袖討論 AI 如何讓患者知識民主化、加速藥物開發，以及阻礙規模化影響的文化與結構性障礙。

標題： 斯坦福健康 AI 週：拆解醫療 AI 的炒作與進展