頁面排版中
醫學生過度依賴AI 史丹佛專家警告臨床推理能力恐退化
史丹佛大學與約翰斯霍普金斯醫學中心專家警告，醫學生如果過度依賴聊天機器人，臨床推理能力恐怕會退化。研究顯示，醫師使用這類工具輔助診斷，正確率沒有明顯提升。部分醫學生認為這類工具是高效複習方式，但也有學生警覺到依賴風險。史丹佛已推動互動訓練平台，台灣醫學院也面臨相同挑戰。
頁面排版中
史丹佛大學與約翰斯霍普金斯醫學中心專家警告，醫學生如果過度依賴聊天機器人，臨床推理能力恐怕會退化。研究顯示，醫師使用這類工具輔助診斷，正確率沒有明顯提升。部分醫學生認為這類工具是高效複習方式，但也有學生警覺到依賴風險。史丹佛已推動互動訓練平台，台灣醫學院也面臨相同挑戰。
▲ 醫學生過度依賴AI 史丹佛專家警告臨床推理能力恐退化
史丹佛大學與約翰斯霍普金斯醫學中心的專家最近提出警告，醫學生如果太依賴人工智慧工具，臨床推理能力可能會退化，甚至出現「腦袋空空」的狀況。這項警示在醫學教育界引發不少討論，大家開始反思數位科技和醫療人才培育之間該怎麼平衡。
這項警告不是隨便說說。隨著ChatGPT、Claude這類大型語言模型在醫療領域愈來愈普及，不少醫學生和住院醫師在討論病例或臨床實習時，習慣直接問AI要答案，取代了傳統的文獻查找和邏輯推演。史丹佛大學醫學院的研究人員和約翰斯霍普金斯醫學中心的創傷外科醫生約瑟夫·薩克蘭，在英國《衛報》上共同表達了這份憂心。
專家認為，最大的問題不只是既有技能會退化，而是受訓者在養成階段，從一開始就沒能建立起獨立的臨床推理能力。資深醫師就算一時忘了某些細節，腦中還是有完整的病理推演網絡；但年輕醫師如果在學習階段就靠AI產出完美結論，一旦脫離工具或遇到系統盲點，根本沒辦法獨立處理複雜病情。
AI工具在美國臨床現場的使用率相當高。根據統計，大約有三分之二的醫師在日常工作中會用OpenEvidence這類AI聊天機器人，智慧輔助工具已經深入醫療流程。不過，權威期刊《自然醫學》（Nature Medicine）的研究顯示，部分專門調整過的醫療大模型，準確度和穩定性有時甚至比不上通用的ChatGPT或Claude。
史丹佛大學與多所學校合作的研究也指出，醫師在搭配GPT-4診斷複雜病例時，正確率並沒有明顯提升。這項發表在《JAMA Network》上的結果顯示，「人機協作」目前還存在嚴重的信任與整合問題，醫療人員如果缺乏獨立判斷力，反而可能被AI的錯誤資訊誤導。
醫學生對這件事的看法兩極。一部分學生坦言，在課業壓力很大的情況下，AI是效率很高的複習工具；但也有學生警覺到，學校刻意設計的「AI幻覺陷阱題」，像是讓AI生成不存在的醫學期刊文獻，就是要給他們當頭棒喝，讓他們明白在信任機器之前，得先建立自己的知識基礎。
面對這波科技浪潮，史丹佛大學等機構已經開始推動「負責任的AI醫學教育」，開發專屬的互動訓練平台，例如「Clinical Mind AI」。這類平台強迫學生在虛擬病患互動中必須自己問問題、做判斷，把AI變成訓練工具，而不是代寫作業的捷徑。
回頭看台灣，國內的醫學教育體系向來以嚴謹的實習制度和病例討論會著稱。面對生成式AI的衝擊，各大醫學院也面臨同樣的難題。不少臨床教授抱持「順勢引導但嚴格把關」的態度，擔心年輕醫師如果太依賴數位工具，面對急重症和台灣本土罕見病理變化時，現場應變和獨立鑑別診斷的「硬底子功夫」可能會出現斷層。
當AI能輕鬆處理資料檢索和常規診斷時，人類醫師的價值不該只是「記住多少病名」，而是要回歸怎麼和病患溝通、怎麼解讀AI的盲點，以及在資訊矛盾時做出最終的道德與決策判斷。醫學教育的核心，不該被演算法取代。
以下是三個 AI 對本則新聞的不同解讀，供讀者對照，不代表本站立場。
Unbias ·
