OpenAI 免費給醫師 ChatGPT：它要搶的是臨床工作台

醫療 AI 最難的問題，不是模型會不會回答醫學問題，而是它被放進哪個臨床步驟。

如果 AI 幫醫師先整理文獻、產生轉診信草稿、列出指南來源，風險和責任還留在「人類審核」之前；如果它直接推動診斷、治療或病患溝通，問題就完全不同。

OpenAI 4 月 22 日推出的 ChatGPT for Clinicians，真正值得看的不是「醫師版 ChatGPT」這個標籤，而是 OpenAI 正把通用聊天產品改造成臨床工作台。它要搶的不是診斷權，而是醫師每天會碰到的搜尋、引用、文件、研究和持續教育入口。

免費開放的是醫師工作台，不是 AI 醫師

ChatGPT for Clinicians 目前免費提供給美國驗證臨床人員，包括 physicians、nurse practitioners、physician assistants 和 pharmacists。

OpenAI 官方說法是，這個版本支援 documentation、medical research 和 care consult。產品頁更直接把它包成一個安全臨床工作帳號：使用者可取得臨床問題用的 GPT-5.4 較高使用額度、可信臨床搜尋、醫學文獻深度研究、可重複技能、CME，以及文件草稿功能。

這些功能放在一起，代表它不是單點工具。

臨床搜尋負責把醫師的問題連到可引用來源。文獻研究負責整理較長的 evidence review。技能讓常見任務可以重複，例如轉診信、prior auth、病患指示。CME 則把醫師本來就要做的證據查詢，接到繼續教育學分。

這是一個工作台設計，不只是聊天介面。

重點不是 AI 會不會看病，而是錯誤留在哪裡

OpenAI 在公告裡引用 2026 年 American Medical Association survey：72% physicians reported they now use AI in clinical practice，高於去年的 48%。OpenAI 也說，每週已有數百萬臨床人員用 ChatGPT 支援 care consult、writing and documentation、medical research。

換句話說，醫師已經在用 AI。問題不是要不要用，而是把使用行為放進更可控的環境。

ChatGPT for Clinicians 的產品訊號在這裡：conversations are not used to train models；帳號有安全與隱私設計；若需要處理 PHI，符合條件的帳號可透過 Business Associate Agreement 支援 HIPAA 情境；產品頁也明確寫著，支援臨床推理與文件草稿，但醫師仍掌握照護決策。

這不是把 AI 推到最後判斷位子，而是把 AI 放在「先整理、先草稿、先查證」的位置。

醫療機構如果要看這類產品，第一個問題不該是「模型答得多準」，而是「它把錯誤留在哪裡」。錯誤如果留在醫師可見、可刪、可追來源的草稿階段，風險結構和直接自動化完全不同。

HealthBench Professional 支撐什麼，不支撐什麼？

OpenAI 同時推出 HealthBench Professional，這是它替真實臨床聊天任務設計的評測。

根據論文，這個基準包含 525 個 physician-authored tasks，從 15,079 個 candidate examples 篩選而來，涵蓋三類用例：care consult、writing and documentation、medical research。參與者包括 190 位 physicians，來自 50 個國家、26 個專科；約三分之一例子是 physicians deliberate red teaming，用來找出模型弱點。

這比傳統「醫學考題」更接近工作現場，因為它評估的是臨床人員真的會拿來問 ChatGPT 的任務。

但邊界也要說清楚。

HealthBench Professional 可以支撐的是：OpenAI 正在把臨床使用場景轉成更細的評測；它知道一般評測不足以代表醫師工作；它試圖用醫師寫 rubrics 和多階段 adjudication 來降低評測噪音。

它不能支撐的是：ChatGPT for Clinicians 已經證明能改善真實病患結果、能獨立診斷，或能取代醫師責任。OpenAI 自己也明確說，這個產品是用來支援資訊，不是取代臨床判斷與專業能力。

外部研究提醒了哪個底線？

同月，Mass General Brigham 研究團隊發布一項對 21 個通用大型語言模型的臨床推理研究。結果提醒一個重要差異：模型在拿到完整臨床資訊後，final diagnosis 表現可以很好；但在資訊不足的早期階段，要提出適當的 differential diagnosis 仍然困難。

這對 ChatGPT for Clinicians 的解讀很重要。

醫療 AI 最危險的地方，不一定是它完全不知道答案，而是它在資料還不完整時太像已經知道答案。真正的工作流設計，應該逼 AI 說清楚不確定性、列出來源、要求更多脈絡，並讓醫師保留最後判斷。

因此，OpenAI 把 cited clinical search、reviewable drafts、skills 和 CME 放在一起，是一個合理方向；但它不是免責保證。醫療機構仍要檢查它如何處理不完整資訊、衝突證據、過時指南、錯誤引用和高風險問題。

醫療機構導入前該問哪五件事？

第一，AI 被放在哪個步驟？

如果用途是文獻整理、病患指示草稿、轉診信草稿、coding support 或內部學習，風險可以被人類審核吸收一部分。若用途接近診斷建議、治療選擇或直接對病患輸出，審核、責任和紀錄要求就要提高。

第二，引用能不能被快速驗證？

臨床搜尋的價值不是「有 citation」，而是醫師能不能快速看出來源品質、日期、指南適用範圍，以及與本院流程是否衝突。

第三，資料保護是不是跟實際流程一致？

「不拿 conversations 訓練模型」是必要條件，不是全部。機構還要看 PHI 是否會進入系統、是否需要 BAA、誰能查閱紀錄、保存多久、是否能和既有 EHR 或文件系統分清責任。

第四，錯誤如何被量測？

HealthBench Professional 是重要訊號，但醫院不能只看供應商基準。真正導入前，應該用本院常見任務做小規模測試：轉診信、病患衛教、指南查詢、文獻摘要、保險與行政文件，逐項看錯誤類型。

第五，誰負責最後輸出？

只要輸出會影響照護、病患理解或醫療紀錄，最後責任不能被藏在「AI 建議」後面。產品設計必須讓醫師知道什麼是草稿、什麼是來源、什麼還沒驗證、什麼不能直接送出。

OpenAI 免費給醫師用 ChatGPT，表面上是降低採用門檻；更深一層，是先占住專業工作台入口。

對醫療機構和其他高管制產業來說，這是可以觀察、但不能照單全收的訊號：AI 真正進入工作，不是靠模型說自己更聰明，而是靠它把每一步責任、驗證和資料邊界設計清楚。