當AI逐漸走進醫院，真正的挑戰或許不是「醫師會不會用AI」，而是有一天，醫護人員甚至感覺不到AI的存在，卻已習慣它帶來的支持。 臺大醫院團隊從20年前電子病歷奠定的資訊基礎一路走到今天，希望打造的不是另一套增加工作量的科技工具，而是一個如空氣般自然、穩定且可靠的醫療夥伴，讓AI退居幕後，把時間、思考與溫度還給醫療現場。 「空氣是生存所必需，但人們往往不會特別注意到它的存在。 」臺大醫院團隊以此比喻理想中的AI應用，希望科技能自然融入工作流程，而非成為額外負擔。 醫療是高度專業且攸關生命安全的場域，導入新科技最大的阻力，往往不是技術本身，而是第一線人員感受到額外的「負擔」（loading），甚至擔心被取代。

如果AI只是多增加一套工具、一個介面，反而可能成為臨床工作的負擔。 因此，臺大醫院重新思考AI的角色，不應該是醫護人員「多使用的一項工具」，而應無縫融入既有流程；它不是取代醫療人員，而是成為幕後的「智慧夥伴」，協助整理資料、辨識資訊、提醒可能遺漏的細節，讓醫護人員從繁瑣工作中釋放，把時間留給真正需要專業判斷與人與人之間溫度的醫療工作。 從電子病歷開始 20年資訊基礎成為AI起跑點 今日臺大醫院的AI應用成果，其實建立在長期累積的數位基礎之上。 早在20年前推動電子病歷時，團隊思考的就不只是將紙本紀錄電子化，而是建立一套能持續演進且符合未來發展需求的資訊架構。 這個差異至關重要。

若只是解決眼前問題，每次科技浪潮來臨，都得重新建置系統；但若一開始就做好資料標準、資訊架構與系統治理，新技術便能在既有基礎上自然往前走。 因此，從電子病歷、資料庫到今天的AI，臺大醫院走的是一條連續的數位路徑，而AI真正帶來的改變，也不只是多一項工具，而是重新思考「人與機器應該各自做什麼」。 過去醫師問診後，還得花大量時間整理病歷、撰寫紀錄；如今透過AI助理自動整理病歷背景、比對跨年度數據，原本需要數十分鐘的文書工作，可壓縮至數秒完成。 醫師進入診間，也不必始終盯著螢幕，而能把目光重新放回病人身上。 團隊表示，當醫護人員不必投入大量時間處理重複性的行政與紀錄工作時，便能有更多餘裕專注於病人照護與團隊溝通。

科技省下的不只是時間，更是還給醫療人員安心思考、專注傾聽的空間。 這看似是流程效率提升，實際改變的卻是醫療現場對「專業」的分配：讓機器處理大量、規律且需要運算的工作，讓人回到需要判斷、溝通與同理的位置。 從解決人力問題 到留住專業人才 這也是臺大醫院看待AI更深一層的原因。 面對高齡化、醫療需求增加與人力結構改變，醫療體系真正要面對的，已不只是「有多少人可以用」，而是「如何讓專業人才願意長期留在第一線」。 「我們現在面對的，不只是人力不足，而是如何讓專業人才能夠長期留在第一線。

」團隊指出，醫療體系的挑戰不僅在於補足人力，更在於透過合理分工與科技協助，減輕行政與資料整理等非核心工作的負擔，讓醫療人員能將更多時間投入病人照護與專業判斷。 如此不僅有助於提升服務品質，也能讓專業價值得以充分發揮，進而支持人才長期投入臨床工作。 因此，AI的角色不是單純補足人力缺口，而是重新設計工作分工。 系統可以從大量個案中協助辨識需要進一步關注的對象，也能先行整理分散於檢驗、病理與病歷中的資訊，讓醫療人員把有限注意力集中在真正需要專業判斷的地方。 換句話說，AI創造的價值，不只是「一個人可以做更多事」，而是讓醫療人員重新把時間用在最有價值的事情上。

這也是臺大醫院推動智慧醫療的底層邏輯：科技的終點，不是讓醫療變得更快、更冷，而是讓專業被看見，讓人與人的連結重新成為醫療現場的核心。 96％準確率背後AI治理的核心仍是「人」 由於醫療行為攸關生命，對準確度的要求近乎苛刻。 面對生成式AI的「AI幻覺」（Hallucination）與誤判風險，臺大醫院將智慧病歷系統開發嚴謹地走入「臨床試驗」路線，申請研究倫理委員會（IRB）審查，並將參與測試的醫師與醫護人員視為「受試者」，在封閉、安全的研究環境中逐步驗證。 首先，醫療AI並非任意連結外部網路，而是建立在醫院內部封閉資訊環境，連結經管理的醫療知識庫、檢驗與病理資料。

其次，AI產出的內容不是直接成為正式病歷，而是「摘要」或「草稿」，必須經醫師確認後才能進入正式紀錄。 換句話說，AI可以提案，但不能取代醫療決策。 這套Human-in-the-loop設計，也讓AI的角色更加清楚：它不是最後一關，而是協助醫療人員做出更好判斷的前一棒；同時，系統強調資料可追溯性，讓醫師能回頭確認AI摘要所引用的原始資料。 即使目前測試結果已達約96％正確率，團隊仍認為，人為確認始終是醫療流程不可或缺的一環。 真正重要的並非追求單一數值表現，而是建立完善的治理與安全機制，確保任何系統建議都能受到適當監督與驗證。

在技術落地上，團隊打造「預設範本」與「進階客製化」雙軌機制：不擅長寫Prompt的醫師可以一鍵套用，擅長科技者則能自由擴充，大幅降低使用門檻。 底層結合RAG與知識圖譜（Knowledge Graph），讓AI不只是漫無目的地檢索，而能理解資料脈絡與關聯，提升查詢效率與精準度。 在院長余忠仁的帶領下，臺大醫院推動智慧醫療不僅著眼於技術發展，更重視制度、治理與資訊基礎建設的長期累積，期望建立能夠持續發展的智慧醫療環境。 臺大醫院副院長譚慶鼎分享臺大醫院團隊是如何在院長余忠仁的帶領下，從電子病歷開始，逐步建構「以人為本」的醫療環境。

（柯承惠攝） 雲地整合的系統韌性 打造永續共好的醫療生態 除了臨床品質，臺大醫院在系統架構上也展現長期思維。 考量醫療資安與斷網風險，團隊設計「雲地整合（Cloud-Edge Hybrid）」架構：地端算力不足時調用雲端，網路不穩或涉及資安敏感資料時則回歸地端，提升智慧系統的運作韌性。 同時，面對衛福部推動的國際醫療資料交換標準（FHIR），臺大醫院持續推動系統標準化與模組化設計，提升不同系統之間的互通性，也為未來跨院合作與智慧醫療發展奠定基礎。 「智慧醫療不應該是獨善其身，也不是在比誰的AI正確率多高。 」團隊強調，未來這套成熟的AI服務與模型，有機會透過雲端平台擴散至資源相對匱乏的偏鄉與區域醫院，進一步改善城鄉醫療資源不均。

從20年前推動電子病歷，到今日逐步將生成式AI應用於臨床現場，臺大醫院始終將科技視為輔助醫療的重要工具。 對團隊而言，智慧醫療的目的從來不只是導入新技術，而是透過更好的工作環境、更安全的治理機制與更有效率的流程設計，支持醫護人員專注於病人照護，落實以人為本的醫療價值。