史丹佛大學醫學院學生西馬爾．巴賈傑（Simal Bajaj）與約翰斯霍普金斯醫學中心外傷外科副主任約瑟夫．薩克蘭（Joseph Sakran），日前在《衛報》聯名投書，對醫學生過度依賴生成式AI的現象發出尖銳警告。他們的核心論點很簡單：AI不只是讓年輕醫師「變笨」，而是讓他們「從來沒有學會怎麼聰明過」。
巴賈傑與薩克蘭點出一個經常被忽略的關鍵差異。過去，醫師使用傳統醫學資料庫，必須主動下關鍵字、過濾文獻、拼湊臨床數據，整個過程本身就是一場高強度的思維訓練。但生成式AI不一樣，它直接吐出近乎完美的答案，跳過了最珍貴的推演環節。對資深醫師來說，AI像是一個稱職的助理，偶爾忘掉的細節只要重新翻閱就能撿回來；但對還在打基礎的醫學生而言，如果從一開始就把診斷邏輯外包給演算法，他們的腦子裡根本沒有建立起屬於自己的病理演繹網絡。
醫療專用AI模型，表現竟然輸給通用ChatGPT
除了教育危機，AI工具本身的可靠性更令人捏把冷汗。根據巴賈傑與薩克蘭引述的數據，目前美國已經有大約三分之二的醫師在日常工作中使用一款名為OpenEvidence的臨床AI聊天機器人。換句話說，AI輔助診斷已經不是未來式，而是現在進行式。
不過，一篇發表在《自然醫學》（Nature Medicine）期刊上的最新研究，卻給了這股熱潮一記當頭棒喝。研究團隊評估了多款專為醫療場景打造的語言模型，結果發現：這些標榜經過專業醫學數據微調的AI工具，回答醫療問題的準確度和穩定性，竟然普遍輸給ChatGPT和Claude這類通用型聊天機器人。
更尷尬的是，這些專業醫療模型的表現，大概只跟Google之前那個被罵翻的「AI概覽」差不多。還記得AI概覽當時鬧出多少笑話嗎？把不精確、沒根據、甚至荒謬的答案端到使用者面前。如果拿這種等級的工具來指導年輕醫師做臨床決策，簡直是在醫療現場埋下一顆不定時炸彈。
「尷尬」其實是醫學教育裡最珍貴的養分
巴賈傑與薩克蘭在文章裡描繪了一個很有意思的場景。以前，臨床導師會要求醫學生針對某個病例列出鑑別診斷清單，學生得在腦中拼命搜尋病理學、生理學、臨床症狀的各種線索，辛苦擠出一份可能漏東漏西的清單。然後導師會在眾人面前指出遺漏之處，學生當下確實會尷尬、會挫折，但正是這種不舒服的體驗，讓知識漏洞深深烙印在腦海裡，下一次遇到類似案例時絕對不會再犯。
AI介入之後，整個學習迴路被徹底切斷。學生只要輸入症狀，幾秒鐘就得到一份涵蓋各種罕見病因的完美清單，不會被糾正、不會被質疑、不用經歷任何尷尬。聽起來很美好？但問題是，沒有經歷過艱難思考所建立的知識，注定是脆弱的。
話說回來，核磁共振也好、血液分析儀也好，過去所有醫療科技的進步，本質上都是在「擴張醫師的感官」，讓我們看得更細、測得更準。但生成式AI不一樣，它在做的其實是「直接取代醫學生的大腦運作過程」。當思考變成可以外包的服務，醫學教育的根基還能站得多穩？
編輯觀點：這篇投書點出了一個很現實的兩難。AI確實能提升資深醫師的工作效率，但對還在養成階段的年輕醫師來說，過早接觸AI反而可能阻礙臨床推理能力的建立。從產業面來看，台灣的醫學教育體系其實可以借鏡這個警示——不是禁止醫學生使用AI，而是重新設計「AI輔助」與「獨立思考」之間的學習順序。比如說，前兩年的臨床訓練階段嚴格限制AI使用，等到基礎推理能力穩固之後再開放。說到底，我們要培養的是能獨立判斷的醫師，不是只會複製貼上AI答案的技術員。畢竟，將來要面對複雜病情的，是人腦，不是演算法。
醫師養成不能外包，但AI工具也回不去了
當然，我們不太可能要求醫學生完全不用AI，這不切實際，也違背時代趨勢。重點在於，教育者必須意識到：AI的威脅不在於「取代醫師」，而在於「養出一批沒有獨立診斷能力的醫師」。這兩者的差異，決定了未來醫療品質的生死線。
台灣的醫學教育目前還沒有大規模跟進AI輔助教學，但美國的現況就是我們的預告片。史丹佛與約翰斯霍普金斯這兩家頂尖機構提出的警示，不只是寫給美國醫學生看的，也是寫給所有正在思考如何將AI導入醫療現場的國家與學校。
有一點是可以確定的：AI不會離開醫療現場。但我們要選擇讓它成為醫師的「翅膀」，還是讓它變成年輕醫師的「拐杖」——這個選擇，恐怕得在課堂上、在病床邊、在每一次的臨床討論中，一寸一寸地搶回來。
你的看法呢？你覺得醫學生應該在什麼階段開始使用AI輔助學習？是越早接觸越好，還是應該先練好基本功再說？歡迎在下方留言區分享你的觀點，或者把這篇文章轉給身邊正在唸醫學系的朋友，問問他們現在都怎麼用AI寫作業、查病例——答案可能會讓你嚇一跳。
本文改寫整理自公開新聞來源，原始報導由T客邦發布。
常見問題 FAQ
醫學生使用AI工具真的會讓臨床推理能力退化嗎？
會的。史丹佛醫學院專家的警示指出，如果醫學生在養成階段就高度依賴AI給出診斷答案，他們的大腦從未建立完整的病理演繹網絡，一旦離開輔助工具，將難以獨立完成複雜診斷。
美國目前有多少醫師在臨床工作中使用AI？
根據巴賈傑與薩克蘭引述的數據，目前美國已有約三分之二的醫師在日常工作中使用OpenEvidence這類臨床AI聊天機器人。
醫療專用AI模型比ChatGPT更準確嗎？
事實正好相反。發表於《自然醫學》的研究顯示，專為醫療打造的語言模型在回答專業問題時，準確度普遍落後於ChatGPT與Claude等通用型聊天機器人。
傳統醫學資料庫和生成式AI對學習的影響有什麼不同？
傳統資料庫需要使用者主動思考關鍵字、過濾文獻並自行拼湊診斷邏輯，本身就是思維訓練；而生成式AI直接輸出近乎完美的結論，跳過了最核心的推演鍛鍊過程。
台灣的醫學生現在也開始用AI了嗎？
台灣醫學教育目前尚未大規模導入AI輔助教學，但美國的趨勢被視為重要前兆，國內教育界已開始關注此議題並評估相關影響。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
