当AI逐渐走进医院，真正的挑战或许不是「医师会不会用AI」，而是有一天，医护人员甚至感觉不到AI的存在，却已习惯它带来的支持。 台大医院团队从20年前电子病历奠定的信息基础一路走到今天，希望打造的不是另一套增加工作量的科技工具，而是一个如空气般自然、稳定且可靠的医疗伙伴，让AI退居幕后，把时间、思考与温度还给医疗现场。 「空气是生存所必需，但人们往往不会特别注意到它的存在。 」台大医院团队以此比喻理想中的AI应用，希望科技能自然融入工作流程，而非成为额外负担。 医疗是高度专业且攸关生命安全的场域，导入新科技最大的阻力，往往不是技术本身，而是第一线人员感受到额外的「负担」（loading），甚至担心被取代。

如果AI只是多增加一套工具、一个接口，反而可能成为临床工作的负担。 因此，台大医院重新思考AI的角色，不应该是医护人员「多使用的一项工具」，而应无缝融入既有流程；它不是取代医疗人员，而是成为幕后的「智能伙伴」，协助整理数据、辨识信息、提醒可能遗漏的细节，让医护人员从繁琐工作中释放，把时间留给真正需要专业判断与人与人之间温度的医疗工作。 从电子病历开始 20年信息基础成为AI起跑点 今日台大医院的AI应用成果，其实创建在长期累积的数字基础之上。 早在20年前推动电子病历时，团队思考的就不只是将纸本纪录电子化，而是创建一套能持续演进且符合未来发展需求的信息架构。 这个差异至关重要。

若只是解决眼前问题，每次科技浪潮来临，都得重新建置系统；但若一开始就做好数据标准、信息架构与系统治理，新技术便能在既有基础上自然往前走。 因此，从电子病历、数据库到今天的AI，台大医院走的是一条连续的数字路径，而AI真正带来的改变，也不只是多一项工具，而是重新思考「人与机器应该各自做什么」。 过去医师问诊后，还得花大量时间整理病历、撰写纪录；如今通过AI助理自动整理病历背景、比对跨年度数据，原本需要数十分钟的文书工作，可压缩至数秒完成。 医师进入诊间，也不必始终盯着屏幕，而能把目光重新放回病人身上。 团队表示，当医护人员不必投入大量时间处理重复性的行政与纪录工作时，便能有更多余裕专注于病人照护与团队沟通。

科技省下的不只是时间，更是还给医疗人员安心思考、专注倾听的空间。 这看似是流程效率提升，实际改变的却是医疗现场对「专业」的分配：让机器处理大量、规律且需要运算的工作，让人回到需要判断、沟通与同理的位置。 从解决人力问题 到留住专业人才 这也是台大医院看待AI更深一层的原因。 面对高龄化、医疗需求增加与人力结构改变，医疗体系真正要面对的，已不只是「有多少人可以用」，而是「如何让专业人才愿意长期留在第一线」。 「我们现在面对的，不只是人力不足，而是如何让专业人才能够长期留在第一线。

」团队指出，医疗体系的挑战不仅在于补足人力，更在于通过合理分工与科技协助，减轻行政与数据整理等非内核工作的负担，让医疗人员能将更多时间投入病人照护与专业判断。 如此不仅有助于提升服务品质，也能让专业价值得以充分发挥，进而支持人才长期投入临床工作。 因此，AI的角色不是单纯补足人力缺口，而是重新设计工作分工。 系统可以从大量个案中协助辨识需要进一步关注的对象，也能先行整理分散于检验、病理与病历中的信息，让医疗人员把有限注意力集中在真正需要专业判断的地方。 换句话说，AI创造的价值，不只是「一个人可以做更多事」，而是让医疗人员重新把时间用在最有价值的事情上。

这也是台大医院推动智能医疗的底层逻辑：科技的终点，不是让医疗变得更快、更冷，而是让专业被看见，让人与人的链接重新成为医疗现场的内核。 96％准确率背后AI治理的内核仍是「人」 由于医疗行为攸关生命，对准确度的要求近乎苛刻。 面对生成式AI的「AI幻觉」（Hallucination）与误判风险，台大医院将智能病历系统开发严谨地走入「临床试验」路线，申请研究伦理委员会（IRB）审查，并将参与测试的医师与医护人员视为「受试者」，在封闭、安全的研究环境中逐步验证。 首先，医疗AI并非任意链接外部网络，而是创建在医院内部封闭信息环境，链接经管理的医疗知识库、检验与病理数据。

其次，AI产出的内容不是直接成为正式病历，而是「摘要」或「草稿」，必须经医师确认后才能进入正式纪录。 换句话说，AI可以提案，但不能取代医疗决策。 这套Human-in-the-loop设计，也让AI的角色更加清楚：它不是最后一关，而是协助医疗人员做出更好判断的前一棒；同时，系统强调数据可追溯性，让医师能回头确认AI摘要所引用的原始数据。 即使目前测试结果已达约96％正确率，团队仍认为，人为确认始终是医疗流程不可或缺的一环。 真正重要的并非追求单一数值表现，而是创建完善的治理与安全机制，确保任何系统建议都能受到适当监督与验证。

在技术落地上，团队打造「缺省范本」与「高端客制化」双轨机制：不擅长写Prompt的医师可以一键套用，擅长科技者则能自由扩充，大幅降低使用门槛。 底层结合RAG与知识图谱（Knowledge Graph），让AI不只是漫无目的地检索，而能理解数据脉络与关联，提升查找效率与精准度。 在院长余忠仁的带领下，台大医院推动智能医疗不仅着眼于技术发展，更重视制度、治理与信息基础建设的长期累积，期望创建能够持续发展的智能医疗环境。 台大医院副院长谭庆鼎分享台大医院团队是如何在院长余忠仁的带领下，从电子病历开始，逐步建构「以人为本」的医疗环境。

（柯承惠摄） 云地集成的系统韧性 打造永续共好的医疗生态 除了临床品质，台大医院在系统架构上也展现长期思维。 考量医疗资安与断网风险，团队设计「云地集成（Cloud-Edge Hybrid）」架构：地端算力不足时调用云端，网络不稳或涉及资安敏感数据时则回归地端，提升智能系统的运作韧性。 同时，面对卫福部推动的国际医疗数据交换标准（FHIR），台大医院持续推动系统标准化与模块化设计，提升不同系统之间的互通性，也为未来跨院合作与智能医疗发展奠定基础。 「智能医疗不应该是独善其身，也不是在比谁的AI正确率多高。 」团队强调，未来这套成熟的AI服务与模型，有机会通过云端平台扩散至资源相对匮乏的偏乡与区域医院，进一步改善城乡医疗资源不均。

从20年前推动电子病历，到今日逐步将生成式AI应用于临床现场，台大医院始终将科技视为辅助医疗的重要工具。 对团队而言，智能医疗的目的从来不只是导入新技术，而是通过更好的工作环境、更安全的治理机制与更有效率的流程设计，支持医护人员专注于病人照护，落实以人为本的医疗价值。