Google 的 AI co-clinician 不該被讀成 AI 醫生

「AI 醫生」是最容易吸引點擊、也最容易誤導讀者的說法。

Google DeepMind 這次發布的 AI co-clinician 研究，應該用更窄、更負責任的方式理解。它不是讓病人直接把病交給 AI，也不是宣布一個可以取代醫師的產品。更準確的說法是：Google 在測試 AI 能不能成為臨床工作中可被醫師檢查、覆核、推翻的輔助角色。

這個差異很重要。醫療不是一般問答。少問一個問題、漏看一段病史、引用錯一篇證據、把不確定說得太肯定，都可能改變照護結果。

Co-clinician 這個詞真正要求什麼？

co-clinician 不該被翻成「另一個醫師」。它比較像一個受監督的臨床同事：能整理證據、協助問診、提出可能方向，但最後必須讓人類醫師看見它怎麼想、哪裡不確定、哪些資訊缺失。

Google DeepMind 的公開研究包含 evidence synthesis 和 telemedicine simulation。前者處理的是醫師每天都面對的問題：證據太多、時間太少、需要快速找到有用資訊。後者則測試 AI 在模擬臨床對話中能否接收多模態資訊、互動、整理病情。

但這些都不能直接翻譯成「可以上線看診」。模擬環境不是現實門診；研究評估不是醫療責任；demo 影片也不是臨床證明。

醫療 AI 最該留下哪些可檢查痕跡？

第一是證據來源。AI 若給出建議，醫師必須知道它根據哪些資料、漏掉哪些資料、引用是否可靠。

第二是不確定性。醫療工作常常不是單一答案，而是可能性、風險、排除條件和下一步檢查。AI 若把不確定講成結論，反而更危險。

第三是升級規則。當情況超出模型能力、資料不足、涉及高風險症狀或患者安全時，系統必須知道什麼時候停止，並把責任交回人類。

第四是隱私和責任。臨床資料不是一般輸入文字。任何導入都要面對資料保存、存取權限、病人同意、責任歸屬和稽核紀錄。

這項研究真正能給 health system 什麼啟發？

它的價值不在讓醫院明天部署 AI 看診，而在提供一份問題清單。

健康系統若評估醫療 AI，不應只問準確率。更應該問：醫師是否能看懂輸出？錯誤是否容易發現？系統是否會主動標示缺漏？是否支援人類覆核？是否能融入現有病歷、排程、責任和隱私流程？

WHO 等公共衛生機構長期提醒醫療人力短缺，這讓醫療 AI 很有吸引力。但人力壓力不能成為降低安全門檻的理由。AI 最可能先有價值的地方，是減少行政和證據整理負擔，讓臨床人員把時間用在判斷和溝通，而不是讓機器直接接手判斷。

所以，Google 的 AI co-clinician 研究值得看，但不能被神化。它提醒我們，醫療 AI 的正確問題不是「AI 能不能當醫生」，而是「AI 的每個輸出，醫生能不能負責任地檢查、修正、拒絕或採用」。

林子睿（編輯：廖玄同），《Google 的 AI co-clinician 不該被讀成 AI 醫生》，矽基前沿 [Si]gnals，2026-05-03。https://signals.tw/articles/google-ai-co-clinician-research/