病人問不清楚、醫師反覆衛教
文●董容慈 攝影●陳宗怡 上午九點，台北榮民總醫院眼科門診的長廊已經坐滿。 掛號、檢查、等報告，有人最長得等上六個小時；一個診次近百名病人，輪到自己時，平均卻只有五到七分鐘能和醫師說話。偏偏，白內障患者得在這幾分鐘裡，從至少二十六種人工水晶體中選出一種：從健保給付到自費，一顆最高要價十一萬元；一旦植入，後續更換並不容易。 這是眼科諮詢師盧曉瑄最熟悉的場景。病人不知道該問什麼，也有人好不容易在診間外釐清需求，回到醫師面前又因為緊張推翻原先的決定。病人得重新說明，醫師也得從頭解釋。 資訊落差讓看診耗時 用AI減少醫師重複衛教 張高榮第一年當住院醫師時，親眼看見這套五十多年不變的看診流程。主治醫師一個診次得花兩、三個小時，反覆回答「自費會不會排斥？」「不同型號差在哪？」這些不是醫療判斷，卻是因資訊落差而一再出現的問題。 「我真的受不了了。」他說。於是，他起了用AI解題的念頭。 張高榮念博士時轉向資訊分析，他說，當時眼科研究熱潮是以AI辨識糖尿病視網膜、黃斑部病變等疾病，但在臨床，他越來越困惑：有些病變，經驗豐富的眼科醫師一眼就能判讀；真正拖住診間的，反而是病人不知道該問什麼。 他想做的，不是讓機器解一道醫師早就會做的題目。北榮眼科部部主任陳世真鼓勵他：「要做真的對世界有用的東西，要服務社會，就是要在地化、接地氣。」 當時，北榮也想推動AI醫療，卻還沒找到第一個能真正落地的場景。張高榮於是主動當橋梁，找來陽明交大陳添福教授團隊提供語言模型技術；北榮眼科則端出多年累積的臨床經驗與衛教資料。 但醫師和工程師一開始根本像在說兩種語言。醫師知道病人該問什麼，卻很難把腦中判斷講成工程師聽得懂的規則；工程師能把系統做出來，卻不知道眼科醫師面對病人時，下一題為什麼這樣問。 「我真的受不了了。」他說。於是，他起了用AI解題的念頭。 張高榮念博士時轉向資訊分析，他說，當時眼科研究熱潮是以AI辨識糖尿病視網膜、黃斑部病變等疾病，但在臨床，他越來越困惑：有些病變，經驗豐富的眼科醫師一眼就能判讀；真正拖住診間的，反而是病人不知道該問什麼。 他想做的，不是讓機器解一道醫師早就會做的題目。北榮眼科部部主任陳世真鼓勵他：「要做真的對世界有用的東西，要服務社會，就是要在地化、接地氣。」 當時，北榮也想推動AI醫療，卻還沒找到第一個能真正落地的場景。張高榮於是主動當橋梁，找來陽明交大陳添福教授團隊提供語言模型技術；北榮眼科則端出多年累積的臨床經驗與衛教資料。 但醫師和工程師一開始根本像在說兩種語言。醫師知道病人該問什麼，卻很難把腦中判斷講成工程師聽得懂的規則；工程師能把系統做出來，卻不知道眼科醫師面對病人時，下一題為什麼這樣問。 這時，醫學、資訊雙棲的張高榮成了轉譯者。 
▲北榮眼科部住院醫師張高榮（左1）在部主任陳世真、科主任柯玉潔（右1）支持下，展開改善醫病關係的AI革命。
閱讀完整內容 ▲北榮眼科部住院醫師張高榮（左1）在部主任陳世真、科主任柯玉潔（右1）支持下，展開改善醫病關係的AI革命。
