30 秒看重點
- 事件：最新醫學研究指出，AI 自動生成病歷系統容易遺漏病患的非語言情緒細節。
- 意義：這證明生成式 AI 在處理依賴人類直覺與情感的醫療場景時仍有極限。
- 影響：台灣各大醫院正積極導入智慧醫療，此發現提醒業界須建立更嚴謹的覆核機制。
AI 智慧病歷雖然能幫醫生省下大把行政時間，但最新研究警告，AI 在「去粗取精」的文字清洗過程中，會將病患的嘆氣、語氣停頓或顫抖等關鍵非語言訊息當作噪音過濾掉，這可能導致醫生錯失受虐、憂鬱或隱性疼痛的診斷機會，成為隱形的醫療安全危機。
關鍵數據：研究指出，非語言線索占人類溝通的 70% 以上，但目前的 AI 病歷系統幾乎完全忽略這些關鍵訊息。
為什麼 AI 聽得懂字，卻讀不懂病人的痛？
醫生看病不只聽症狀，更在讀「弦外之音」。近年許多醫院推行「AI 語音轉病歷」系統（多基於 Whisper 或類似的大語言模型），旨在讓醫生能專注於病人，把病歷撰寫交給 AI。然而，最新發表的國際醫療研究指出，當 AI 將醫病問答的語音轉化為結構化病歷摘要時，會進行自動「文字清洗」。這意味著，患者口中的「我...沒事（長達三秒的停頓、語氣顫抖與嘆氣）」，在 AI 的病歷摘要裡，極可能被簡化為「患者自訴無礙」。這種技術上的結構性盲區，會抹去病患非語言的求救訊號，可能導致後續接班的醫療團隊誤判病情，甚至引發嚴重的醫療糾紛與病人安全危機。
- 2023-11 許多大型醫院與科技巨頭合作，開始大規模測試並導入基於 LLM 的 AI 語音病歷助理。
- 近期 國際醫學研究揭露 AI 摘要系統會過濾「非語言情緒」，引發臨床安全性的質疑與踩煞車聲浪。
台灣怎麼看這件事？
台灣正處於智慧醫療轉型的風口浪尖，各大醫學中心紛紛與本土科技大廠合作開發「中台雙語」的智慧語音病歷。然而，台灣門診常面臨「三分鐘看一診」的極高時間壓力，醫生對 AI 效率的依賴程度極高。若 AI 系統無法妥善處理台語微妙的語氣、情緒或長輩特有的無奈感，極易在病歷中失真。台灣廠商在開發本土化醫療大模型時，必須將「情緒語調分析」與「非語言標記」納入訓練指標，而非單純追求「字詞聽寫正確率」，才能確保臨床安全。
編輯觀點
AI 是極佳的「秘書」，但絕不能當「法官」。科技縮短了文書處理時間，但醫學的本質是人與人的連結。如果醫生因為相信 AI 的完美摘要而減少與病患的眼神接觸，那就本末倒置了。在 AI 時代，人類醫生的「同理心」和「直覺察覺」，才是最無法被演算法取代的護城河。
常見問題
- 為什麼 AI 寫病歷會漏掉非語言資訊？
- 因為目前 AI 主要依賴語音轉文字（STT）技術，在生成摘要時會自動過濾掉嘆氣、停頓等「背景雜音」，只保留字面意義。
- 漏掉這些非語言資訊，對看病有什麼危險？
- 非語言線索常暗示著患者的真實心理狀態或隱瞞的病情（如家暴或重度憂鬱），AI 漏記會導致醫生錯失干預與診斷時機。
- 台灣現在有在使用這種 AI 寫病歷的技術嗎？
- 有的，台灣許多醫學中心與科技大廠合作，已在部分診間試行語音病歷助理，以減輕醫護人員的行政負擔。
- 科技公司未來要如何解決 AI 漏抓細節的問題？
- 開發商需導入「多模態分析」，在語音辨識中加入「語氣停頓」或「情緒標註」，甚至結合影像分析病患的表情與肢體動作。
- 身為患者，我們該如何防範 AI 寫錯病歷？
- 患者可主動與醫生確認記錄重點，而醫療院所必須堅持「醫生最終審查制」，絕不能讓 AI 自動存檔，必須由人類醫生把關。
名詞小教室
- 非語言細節（Non-verbal cues）
- 指說話時的語氣、停頓、嘆氣或肢體動作，在醫療中常用於判斷患者真實的心理與痛覺狀態。