病人問不清楚、醫師反覆衛教 北榮眼科用AI紓解50年診間困境

【撰文者／董容慈】

1.北榮眼科門診一個診次近百人，但醫病資訊落差讓看診太耗時！病人不知該問什麼、醫師得花兩、三個小時反覆衛教。北榮如何用AI解決這個50年不變的看診流程？

2.拿真實情境訓練AI，打造眼科醫療數位分身！透過與AI對話先幫病人釐清需求，再交由醫師做最後判斷，讓醫病溝通更聚焦、有品質。

上午九點，台北榮民總醫院眼科門診的長廊已經坐滿。

掛號、檢查、等報告，有人最長得等上六個小時；一個診次近百名病人，輪到自己時，平均卻只有五到七分鐘能和醫師說話。偏偏，白內障患者得在這幾分鐘裡，從至少二十六種人工水晶體中選出一種：從健保給付到自費，一顆最高要價十一萬元；一旦植入，後續更換並不容易。

這是眼科諮詢師盧曉瑄最熟悉的場景。病人不知道該問什麼，也有人好不容易在診間外釐清需求，回到醫師面前又因為緊張推翻原先的決定。病人得重新說明，醫師也得從頭解釋。

小檔案_台北榮總眼科部

成立：1959年

部主任：陳世真

主要業務：涵蓋角膜、視網膜、青光眼、眼神經、眼矯形5大專科之醫學中心

成績單：商周《AI創新百強》小微新創企業產業轉型金質獎

資訊落差讓看診耗時
用AI減少醫師重複衛教

張高榮第一年當住院醫師時，親眼看見這套五十多年不變的看診流程。主治醫師一個診次得花兩、三個小時，反覆回答「自費會不會排斥？」「不同型號差在哪？」這些不是醫療判斷，卻是因資訊落差而一再出現的問題。

「我真的受不了了。」他說。於是，他起了用AI解題的念頭。

張高榮念博士時轉向資訊分析，他說，當時眼科研究熱潮是以AI辨識糖尿病視網膜、黃斑部病變等疾病，但在臨床，他越來越困惑：有些病變，經驗豐富的眼科醫師一眼就能判讀；真正拖住診間的，反而是病人不知道該問什麼。

他想做的，不是讓機器解一道醫師早就會做的題目。北榮眼科部部主任陳世真鼓勵他：「要做真的對世界有用的東西，要服務社會，就是要在地化、接地氣。」

當時，北榮也想推動AI醫療，卻還沒找到第一個能真正落地的場景。張高榮於是主動當橋梁，找來陽明交大陳添福教授團隊提供語言模型技術；北榮眼科則端出多年累積的臨床經驗與衛教資料。

但醫師和工程師一開始根本像在說兩種語言。醫師知道病人該問什麼，卻很難把腦中判斷講成工程師聽得懂的規則；工程師能把系統做出來，卻不知道眼科醫師面對病人時，下一題為什麼這樣問。

這時，醫學、資訊雙棲的張高榮成了轉譯者。

他拿起筆，把原本只存在資深醫師腦中的問診流程，畫成一張張決策樹：病人晚上會不會開車？平常看手機多，還是用電腦多？能否接受術後仍需戴眼鏡？近視度數多少？每個答案，都會把人工水晶體的選項再往下篩。

歷經一年研發、至少四次模型調整後，病人如今可在候診時掃描QR code，進入「專業眼科醫療數位分身」。系統不急著推薦人工水晶體，而是先用生活化問題，幫病人把自己真正重視的事講清楚：是價格、夜間視力、閱讀便利，還是盡量少戴眼鏡。

問完後，原本二十六種人工水晶體會縮小到幾個較適合的選項，病人的需求也會整理成摘要，供醫師進診間時參考。北榮估計，這讓每位醫師每診可少花兩到三分鐘重複衛教；換算至全院門診，一天約能多釋出三到五小時服務量能。

設指定教材減少幻覺
讓它問問題更像醫師

但把衛教交給機器人，真正的難題才正要開始：病人最怕的，不只是聽不懂，還有AI一本正經的答錯。

為解決幻覺問題，北榮沒有讓它自由從網路抓答案，而是替它設下一套「指定教材」。團隊把醫師審核過的權威知識整理成後台資料，AI只能在其中找答案，不讓它自由延伸判斷。

但光是答對還不夠。為了讓這個數位分身更接近一名懂得問問題的醫師，張高榮和團隊下診後，持續拿真實門診裡遇到的情境「批改作業」。目前，他們已逐一檢視七百五十四種臨床對話：哪些答案雖然正確，卻沒有回答到病人真正擔心的事；哪些問題，系統不該急著給結論，而要先多問一句。

例如，有病人輸入：「我這隻眼睛近視三百五十度，請問該換哪種水晶體？」

系統若只根據這個數字推薦型號，在醫師眼中仍是不及格的答案。病人通常只盯著準備開刀的那隻眼，但醫師會先想到另一隻眼：若只處理單眼度數，術後兩眼視差太大，病人反而可能頭暈、看東西不舒服。

這種不是出現在教科書裡、卻常決定病人術後感受的判斷，正是醫師要反覆教給AI的事。

但團隊還得回答另一個問題：把衛教交給機器人，會不會稀釋醫病信任？

透過對話先釐清需求
再交給醫師下最後判斷

北榮眼科部青光眼科主任柯玉潔的觀察恰好相反。病人其實早已帶著AI和網路查來的資訊走進診間，「很多病人一進來就說：『我已經查過ChatGPT了。』」只是，這些零散答案常把不同水晶體、手術條件與個人需求混在一起，醫師還得從頭校正。

北榮這套系統不是替醫師下判斷，而是讓病人在候診時，先把問題問完、把需求想清楚。對有些人來說，面對機器人反而更容易說真話：不敢當著醫師的面問價格的，會直接寫下預算；擔心術後還得戴眼鏡的，也能先說出焦慮。

「病人先跟系統對話，會覺得自己已經進入醫療環節，」陳世真說。原本只是乾等的時間，也變成準備問題、理解自己需求的過程。

北榮眼科部歷時約七個月、找來六十五名病人實測，約八成表示願意再次使用。柯玉潔說，關鍵從來不只是少花幾分鐘，「即便我同樣要花十五分鐘，也是更有品質的。」

當AI先完成前段的需求整理與重複衛教，醫師終於能把時間留給最後一哩路：確認風險、調整期待，也安撫病人真正放不下的事。

這套系統最後能走多遠，不只取決於模型有多聰明，更取決於有多少醫師願意繼續把候診長廊裡的焦慮、猶豫與盲點，一點一點教給它。

※更多精彩報導，詳見《商業周刊》網站。

※本文由商業周刊授權刊載，未經同意禁止轉載。

延伸閱讀：

還在狂餵AI資料、優化提示詞？六配速法救Token量撞牆

誰說AI殺死軟體業？美日3廠靠「守強擴」高成長

安靜儲蓄、公開喊付不起，Z世代理財觀大翻轉