病人覺得AI醫師更有同理心？AI正在介入真實醫療現場！
問診是醫療判斷的起點，也是醫病信任建立的開始，然而，病歷撰寫與電子病歷系統常讓醫師在診間中分心，進一步影響醫病溝通品質，近年生成式AI開始進入醫療現場，一方面發展出能參與問診與診斷推理的對話式診斷AI，另一方面也出現協助整理病歷草稿的AI scribe。Nature 2025年的AMIE研究以文字聊天模擬問診，讓AI和基層醫師分別與病人演員互動，結果顯示，AI在病人演員與專科醫師的多項評估中，都獲得較高評價。JAMA相關研究則指出，AI scribe可減少部分病歷與文件時間，但效果仍有限，整體而言，AI目前較可能扮演輔助角色，協助醫師減少資訊整理負擔，讓注意力重新回到病人身上。
撰文｜黃鼎鈞
問診常常是日常醫療的第一步，醫師透過病人的描述，再加上自己的追問，從一段對話中逐步形成醫療判斷，並安排檢查與治療。然而，在這樣的互動中，病人心裡常常會有一個疑惑：「醫師有沒有真的聽懂我？」同時，醫師心裡也可能想著：「看完這位病人之後，我還有多少病歷要寫？」在這樣的時間壓力與心理負擔之下，醫病雙方未必能有充分而良好的溝通，病人的擔憂也常常難以被承接。
JAMA Network Open 2025年的一篇研究指出，由於大量病歷撰寫的需求，醫師常常必須一邊問診、一邊打字，干擾了醫病互動的品質，也成為了醫師心力交瘁的原因，而從病人的角度來看，當醫師頻繁看著螢幕，也可能讓人感到沒有充分被理解。因此，近年有愈來愈多研究開始探討兩種AI介入醫療現場的方式，第一種是對話式診斷AI，也就是讓AI參與問診、病史整理與診斷推理；第二種是AI scribe，也就是讓AI協助聆聽診間對話，並將內容整理成病歷草稿，這兩種技術被用來研究：AI是否能讓醫師從繁重的資訊整理中釋放一部分注意力，進而改善問診品質與病歷負擔？
AI比醫師會問診？
Nature 2025年一篇研究指出，病史詢問包含蒐集症狀、診斷、治療決策和信任建立，在某些情境下，60%到 80%的診斷可由病史詢問本身完成，這代表問診品質將直接影響醫療品質。在這篇研究中，科學家使用真實對話、醫學問答、醫療摘要等資料來建立模型，並設計出一套名為AMIE的對話式診斷AI，接著，研究團隊讓AI與訓練過的病人演員透過文字聊天互動，病人演員不知道對方是醫師或AI，之後再由專科醫師與病人演員評估問診品質、診斷、管理計畫、溝通與同理心。
結果顯示，在病人演員評估的26個面向中，AI有25項表現較佳，例如讓病人感到安心、傾聽病人、表現同理心，在專科醫師評估的32個面向中，AI有30項表現較佳，例如鑑別診斷是否適切、管理計畫是否合適、是否能清楚地提供臨床資訊，有趣的是，病人演員評估中的「承認錯誤」，以及專科醫師評估中的「轉診或升級照護建議是否適切」與「是否沒有虛構內容」，並未觀察到顯著差異。
這項研究還有一個重要限制：醫病雙方是透過同步文字聊天互動，這種形式接近今日人們使用大型語言模型的方式，卻不完全符合真實門診或遠距醫療的常態，對受測的真實醫師來說，文字打字問診並非日常最熟悉的問診模式，因此可能使醫師在這項研究中的表現受到影響。
AI可以減少病歷負擔，但效果有限
在病歷協助方面，University of Pennsylvania的研究團隊則評估了另一種更貼近日常門診的AI應用：ambient scribe，這類系統會在病人同意後聆聽診間對話，再利用生成式AI將對話整理成病歷草稿，這份JAMA Network Open 2025年的研究在一個學術醫療系統中進行，研究者比較使用AI前後的病歷效率與醫師主觀感受，主要觀察指標包括每次門診花在病歷上的時間、當日完成病歷比例、下班後工作時間、醫師主觀感受到的文件負擔，以及使用經驗，結果顯示，使用ambient scribe後，每次門診花在病歷上的時間從10.3分鐘下降到8.2分鐘，減少20.4%；當日完成病歷比例從66.2%上升到72.4%；下班後工作時間從每天50.6分鐘下降到35.4分鐘，減少30.0%，研究也指出，醫師主觀上感覺文件負擔下降，與病人互動時也較能專注。
不過，這份研究是在單一健康照護系統中進行，研究時間較短，而且參與者是自願加入，可能本來就對AI工具有較高期待或較高接受度，此外，研究也提到，AI產生的病歷草稿仍需要醫師審閱與修改，有些醫師認為它可以減少從零開始寫病歷的負擔，有些醫師則反映，AI生成內容有時太冗長、不夠符合專科習慣，仍需要花時間修正，因此，這類工具目前比較適合作為病歷草稿助理，還不能被視為完全自動化的病歷完成系統。
因為單一中心研究容易受到場域、導入方式、使用者期待與醫院文化影響，JAMA 2026年Rotenstein等人的多中心研究提供了更接近真實部署的觀察，這項研究分析美國5個學術醫療中心導入AI scribe後的變化，研究包含8581位門診臨床人員，其中1809位採用AI scribe，研究團隊使用difference-in-differences分析，比較導入前後的電子病歷時間、文件時間、下班後 EHR（電子病歷紀錄） 時間與每週門診量。研究指出，AI scribe使用者每8小時病人照護時間中，總 EHR 時間減少13.4分鐘，文件時間減少16.0分鐘，每週門診量增加0.49人次；但下班後EHR時間沒有顯著下降，受益較大的族群包括基層醫療、advanced practice clinicians、女性臨床人員，以及在50%以上門診使用AI scribe的高使用者，這個結果比單一醫院研究更保守，也更接近真實世界導入後可能看到的效果。
AI scribe確實能減少病歷與文件時間，但幅度稱不上革命性，研究者也推論，省下來的文件時間可能被重新分配到其他照護工作，例如核對病歷、回覆電子訊息、檢查檢驗結果，或進行其他醫療紀錄審閱，因此，AI scribe未必會讓醫師立刻少工作很多，卻可能改變醫師的時間分配。綜合這些研究，可以發現：AI未必能讓看診速度大幅提升，而是減少醫師從零開始整理資訊與撰寫病歷的負擔，當AI工具能承擔初步記錄、摘要與整理工作，醫師就有機會把更多注意力放回病人身上，包括聽懂主訴、辨識危險訊號、解釋不確定性、安撫病人的擔憂，並做出合適的醫療決策。
參考文獻
- Tu, T., Schaekermann, M., Palepu, A., Saab, K., Freyberg, J., Tanno, R., ... & Natarajan, V. (2025). Towards conversational diagnostic artificial intelligence. Nature, 642(8067), 442-450.
- Duggan, M. J., Gervase, J., Schoenbaum, A., Hanson, W., Howell III, J. T., Sheinberg, M., & Johnson, K. B. (2025). Clinician experiences with ambient scribe technology to assist with documentation burden and efficiency. JAMA Network Open, 8(2), e2460637.
- Rotenstein, L. S., Holmgren, A. J., Thombley, R., Sriram, A., Dbouk, R. H., Jost, M., ... & Mishuris, R. G. (2026). Changes in clinician time expenditure and visit quantity with adoption of artificial intelligence–powered scribes: a multisite study. JAMA, 335(16), 1408-1417.