「醫師，我昨天把症狀丟給 AI，它說我可能是椎間盤突出，也可能是梨狀肌症候群，還叫我排除腫瘤。我越看越怕，今天特地掛你的門診。」
這樣的開場白，這一年在嘉韻的診間越來越常聽到。病人不再是「不知道自己怎麼了」，而是帶著十個答案走進來，想知道哪一個才是自己的。這篇文章用 10 分鐘，說清楚骨科復健科怎麼看醫療 AI：它已經幫上哪些忙、還做不到什麼，以及你下次看診前，可以怎麼把 AI 用得剛剛好。
先說明這篇文章的緣起：耳鼻喉頭頸外科張益豪醫師發起了一項「集結多科別、多領域視角看醫療 AI」的聯合企劃，邀請不同專科的醫師各自寫下所見。他的主場文章是〈我所看見的 2027 醫療 AI 藍圖：真正被 AI 改變的，可能不是醫療，而是「醫師」〉，收錄了橫跨西醫、牙醫、中醫的多位醫師觀點。這一篇，是嘉韻從骨科與復健科診間交出的答案卷。
病人帶著 AI 的答案來看診，我們其實是高興的
先講結論：帶著 AI 的答案來，比什麼都不知道來，是好事。過去看診最花時間的，常常是從零開始解釋「椎間盤是什麼」；現在病人進門就有基本概念，我們可以把時間花在真正值錢的地方——判斷這些答案裡，哪一個屬於你。
但資訊變多，不等於決策變容易。張益豪醫師在文章裡說得直接：病人缺的開始不是知識，是判斷。這在骨科復健科尤其明顯，因為肌肉骨骼的疼痛有一個特性：同一種痛法，可能來自完全不同的構造；同一個構造出問題，每個人痛起來又都不一樣。AI 給的十個可能都「合理」，但合理不等於正確——把十個可能收斂成一個答案，靠的不是更多資訊，是檢查與判斷。
AI 讀得懂文字，卻摸不到你的肩膀
骨科復健科是「動手的科」。診斷的關鍵訊息，很大一部分不在文字描述裡，而在身體上：壓下去哪一點最痛、抬手到幾度開始卡、肌力有沒有不對稱、關節鬆不鬆。這些理學檢查，是目前任何 AI 都拿不到的資料。
再往下一層是影像。文字描述的「肩膀痛」，在高階超音波底下可能是肌腱破裂、鈣化、滑囊積水或神經卡壓——而且超音波是動態的，可以請你邊動邊看，看的是「會痛的那個動作發生時，裡面發生了什麼」。這種即時、互動的檢查，AI 可以協助判讀結果，卻沒辦法代替執行。也因此，超音波導引注射這類治療，從評估到下針，仍然是醫師的手和眼的工作。
所以與其問「AI 會不會取代醫師」，在我們這一科，更貼近現實的描述是：AI 接手了資訊的整理，把「動手檢查、下判斷、負責任」這一段，留給了診間。
AI 看影像的實力，已經好到值得認真對待
說完 AI 做不到的，也要誠實說它做得好的——而且是拿數據說。
骨齡判讀是個好例子。放射科權威期刊《Radiology》刊登過一項用 14,036 張手部 X 光訓練的深度學習模型：它估的骨齡與專家群的平均差距只有 0.50 歲，表現落在人類專家彼此的差異範圍之內。也就是說，在這個高度重複、規則明確的任務上，AI 已經做到與專家判讀相當。我們在〈孩子的生長痛與骨齡〉那篇文章裡引用過這項研究——骨齡正是從手部 X 光判讀的，這也是吳政誼醫師手外科專長的主場。
骨折偵測更有意思。《美國國家科學院院刊》的一項研究讓急診醫師判讀手腕 X 光：沒有 AI 協助時，敏感度 80.8%；有 AI 標示可疑位置後，升到 91.5%，誤判率相對下降 47%。注意這個研究的設計——AI 不是自己看片子下診斷，而是當醫師的第二雙眼睛。表現最好的不是 AI，也不是單獨的醫師，而是「醫師加上 AI」。
這正是我們認同的方向：AI 進診間的正確姿勢，不是取代判讀的人，而是讓判讀的人更不容易漏掉東西。
AI 已經在嘉義的診間裡了：骨質密度檢查的例子
對嘉韻來說，醫療 AI 不是 2027 年的想像，是現在進行式。嘉韻的 AI 骨質密度檢查，快速、即時，當次門診就能知道結果——不必先排隊等大醫院的檢查排程，也不用為了一個數字來回奔波。
但請注意我們怎麼安排它的位置：AI 負責把數字快速算出來，解讀數字、決定要不要治療、怎麼治療的，永遠是醫師。骨密度只是骨鬆管理的起點，後面的用藥選擇、復健安排、跌倒風險評估，每一步都要把你的年齡、病史、生活型態放進來考慮——這一段，就是前面說的「判斷」。
機器把量測變快，醫師的時間就能留給解釋與討論。這是我們對「AI 進診間」最務實的想像：不是科幻，是分工。
AI 答題很會，那它「看診」及格了嗎？
2023 年有兩項研究，把這個問題逼到了每個醫師面前。
第一項：ChatGPT 在沒有任何醫學專門訓練下，考美國醫師執照考試（USMLE）三階段，成績達到或接近及格線。AI 的醫學知識量，已經站上了「考得過執照筆試」的門檻。
第二項更值得醫師警惕。《JAMA 內科學》刊登的研究，把網路論壇上病人的提問分別交給真人醫師和 ChatGPT 回答，再請專業人員盲評。結果評審在 78.6% 的情況下，偏好 AI 的回答——不只資訊品質，連「同理心」都是 AI 得分較高。
先別急著下「AI 比醫師有溫度」的結論。看細節：研究裡醫師的回答平均只有 52 個字，AI 是 211 個字。輸掉同理心的不是醫師這個職業，是被時間壓縮到只剩 52 個字的回答。這個研究真正說的是：當機器願意花的「時間」比人多，病人感受得到差別。
所以嘉韻從這項研究讀到的功課是：把可以交給工具的事交給工具，把省下來的時間放回診間——多聽一段病史、多解釋一張影像、多確認一次你有沒有真的聽懂。這與張益豪醫師說的「時間重新分配」，是同一件事。
復健的勝負，常常在診間外的那六天
如果說 AI 對哪一科的「診間之外」幫助最大，復健科一定名列前茅。原因很簡單：物理治療與運動訓練的成敗，從來不只取決於診間裡的那一個小時，而在回家後有沒有練、練得對不對。
這件事已經有高品質的證據。《骨與關節外科期刊》（JBJS）2020 年刊出的 VERITAS 隨機試驗，讓 287 位膝關節置換術後的病人分成兩組：一組做傳統面對面復健，一組用虛擬復健系統——在家對著 3D 動作感測與虛擬教練練習，物理治療師遠端監督。12 週後，虛擬組的療效不劣於傳統組，醫療費用中位數卻從 2,805 美元降到 1,050 美元。這是第一級證據，不是概念展示。
對照現在的門診日常：病人回家後的六天，我們幾乎是看不見的。動作做對了嗎？痛有沒有變化？有沒有偷偷停練？下次回診才知道。當動作辨識、穿戴裝置與提醒系統逐漸成熟，手術後復健這種「以月為單位」的長期工程，會是 AI 最能幫上忙的地方——把兩次回診之間的空白，變成看得見的紀錄。
回家後的復健不知道自己做得對不對？把你的狀況告訴我們，醫師與物理治療師會幫你把居家運動安排成做得到、也做得對的版本。用 LINE 詢問復健安排線上預約門診
五項研究一次看：AI 現在能幫骨科復健什麼忙？
把本文引用的五項核心研究放在一起看，AI 此刻的位置就很清楚：它最強的地方都在「診間前後」與「重複性判讀」，而每一項研究裡，最後拍板的都還是人。
| AI 做的事 | 研究出處 | 結果 | 我們的解讀 |
|---|---|---|---|
| 判讀兒童骨齡 X 光 | Radiology 2018 | 與專家群差距 0.50 歲，落在專家彼此的差異範圍內 | 規則明確的重複任務，AI 已可與專家相當 |
| 標示 X 光可疑骨折 | PNAS 2018 | 醫師敏感度 80.8%→91.5%，誤判率相對下降 47% | 最好的姿勢是當醫師的第二雙眼睛 |
| 回答病人的提問 | JAMA Intern Med 2023 | 78.6% 評比偏好 AI 的回答；醫師平均只寫 52 字 | 輸的是被壓縮的時間，不是醫師這個職業 |
| 考醫師執照筆試 | PLOS Digit Health 2023 | 三階段皆達到或接近及格線 | 知識不再稀缺，判斷與責任才稀缺 |
| 陪病人在家復健 | JBJS 2020（VERITAS） | 療效不劣於面對面，12 週費用約省六成 | 診間外的六天，最值得交給它——前提是有人監督 |
會用 AI 的醫師與不用 AI 的醫師，嘉韻選了哪一邊
張益豪醫師在文章裡有一個判斷我們完全同意：真正的競爭不是「AI 對上醫師」，而是「會使用 AI 的醫師」對上「不使用 AI 的醫師」。嘉韻選邊站的方式，不是宣示，是實際做了三件事。
第一，把衛教內容當成醫療品質的一部分經營。我們的每一篇文章由醫師具名、附可查證的文獻出處，因為病人在診間外讀到什麼，會直接影響他帶著什麼心情與認知走進診間。
第二，接受跨科檢驗。我們建立了同儕審閱與跨科問答專區，邀請站外不同專科的醫師具名審閱嘉韻的文章、也回答我們答不了的題目——錯的就改，超出專業範圍的就請教。AI 時代資訊過剩，「敢被檢驗的內容」才值得病人與 AI 引用。
第三，認真看待「AI 也在讀我們」這件事。這一年，嘉韻的衛教文章越來越常出現在各家 AI 助手回答嘉義民眾提問時的引用來源裡。這讓我們寫每一句話都更謹慎——因為讀者不只是眼前的病人，還有正在替幾萬個病人整理答案的 AI。張益豪醫師在〈我所看見的 2027 醫療 AI 藍圖〉裡呼籲：該有一群醫師集結起來，建立正確、具名、給民眾也給 AI 引用的內容資料庫。我們的回答是：這件事不用等到 2027，一群醫師已經動手在做了，嘉韻是其中之一。
骨科視角・吳政誼醫師：期待 AI 幫病人做對「開不開刀」的決定
這個系列走到這裡，嘉韻的兩位醫師決定各自寫下第一人稱的期待。復健科的部分，顏韻珊院長寫成了另一篇完整文章〈復健科醫師看見的醫療 AI：AI 可以計步，沒辦法代走〉；骨科的部分，吳政誼醫師的話放在這裡——他後來也把這段期待擴寫成了完整文章〈骨科醫師看見的醫療 AI：一千多台刀之後，我期待 AI 陪病人決定開不開〉，以下是精華版。
「我是吳政誼，骨科專科醫師。我開過一千多台手術，後來走出手術房，專心做超音波導引的精準治療。開過刀，也常常勸人不用開，所以我很清楚：病人最辛苦的往往不是治療，而是不知道該怎麼選。我期待 2027 年的 AI，來陪病人做決定。」
第一，幫病人看懂報告。「退化」「骨刺」「椎間盤突出」這些字嚇壞很多人，但其實一大半跟症狀無關。AI 如果能用白話講清楚哪些只是歲月的痕跡、哪些才需要處理，病人就不用自己嚇自己。
第二，幫病人把關資訊。網路上增生療法、再生醫療的說法，真的假的混在一起。我自己做過研究、發表過論文，很清楚一句「有效」背後要多少證據。病人查證過再走進診間，就能把時間花在真正有證據的選擇上。
第三，幫病人記錄疼痛。病人常常只能說「就是一直痛」。如果痛的當下能記一筆，讓 AI 整理成完整的描述——哪裡痛、怎麼痛、什麼時候變好變壞——醫師就能看清楚兩次回診之間發生的事。
第四，陪病人走完療程。打針的效果，不是只看那十分鐘：處置前讓病人知道要準備什麼；處置後告訴他，這是正常的痠脹，還是該回來的警訊。病人每一天都知道自己走到哪裡，才不會半路放棄。
最後，許個願。這四件事，我們不是等別人做好，是正在找隊友一起做。嘉韻已經把 AI 用進日常——官網的衛教文章天天被各家 AI 引用，LINE 官方帳號也在訓練自己的知識庫。如果你正在做疼痛紀錄、處置後照護或報告翻譯的工具，歡迎來找我：診間裡最真實的需求和回饋我們有，你有技術，我們就一起把它做出來。
「我期待的 AI，說到底就一句話：能不開刀的，治療到不用開；該開的，早點看清楚、直接說。幫病人少走冤枉路，就是我們最大的價值。」
在嘉義看骨科復健科，AI 這樣用剛剛好：給病人的三個建議
結合前面的證據和我們的門診經驗，給嘉義的病人三個具體建議。
一、看診前，請 AI 當你的「病史秘書」。把症狀講給 AI 聽，請它幫你整理成時間軸：什麼時候開始痛、哪些動作會痛、什麼時候最嚴重、做過哪些處理。骨科復健科的診斷非常吃這些細節——「半夜會痛醒」和「動了才痛」指向的方向完全不同。整理好的時間軸，比十個自我診斷有用得多。
二、帶檢查報告，不要只帶結論。如果你在別處照過 X 光、MRI 或做過檢查，把報告帶來，而不是只轉述「AI 說我的 MRI 是椎間盤突出」。影像上的發現和你的症狀能不能對上，需要醫師當面比對——很多影像異常其實與你的痛無關，治療錯了目標，做再多也不會好。
三、問 AI「我可能忽略了什麼」，但設一個停損點。這是很好的問法，能幫你想起忘了提的症狀。但如果你發現自己越查越怕、腦中都是最壞的畫面，就是該停止追問、直接就醫的時候——把恐懼留給 AI 放大，不如把問題交給看得到你身體的人。初診前想多了解流程，可以先看就醫指南與治療須知。
哪些情況先別問 AI，直接來診間？
AI 適合幫你整理「還可以觀察」的問題；但有些訊號屬於紅旗警訊，出現時請跳過查資料這一步，直接就醫：
- 疼痛合併發燒，或局部又紅又腫又熱
- 手腳出現麻木、無力，或大小便控制出現異常
- 夜間痛到醒、休息也不會緩解，且持續加重
- 外傷後變形、無法承重或活動
- 不明原因體重下降合併骨骼疼痛
拿不準的例子很多：有人以為的「腳麻忍一下就好」，其實是椎間盤突出壓迫神經；也有像腰痠腳麻到走不了路的七十歲老先生那樣，拖到影響生活才來。紅旗症狀的原則只有一條：先讓醫師排除嚴重問題，再回頭慢慢研究資料。
要誠實說的是：AI 和我們，都有極限
這篇文章不想只唱好 AI，也不想護短。兩邊的極限都要說清楚。
AI 的極限：它會「一本正經地講錯」。大型語言模型產生的內容可能包含看起來完全可信的錯誤，醫療領域尤其危險，因為錯的答案常常比對的答案更篤定、更動聽。它也讀不到你的理學檢查、你的表情、你欲言又止的那句話。
我們的極限：醫師的時間有限、記憶有限，也會累。所以嘉韻不把品質押在「醫師個人不會出錯」上，而是押在制度上——骨科與復健科雙專科醫師互相看彼此的判斷、文獻具名可查、外部醫師跨科審閱。AI 時代最好的品質保證，不是宣稱自己不會錯，而是把「錯了會被抓到、抓到就會改」的機制建起來。
在嘉義，誰為你把 AI 的答案變成判斷？
AI 時代的看診，病人有權知道：最後在檢查與治療計畫上簽名、為決定負責的，是什麼樣的人。嘉韻是骨科與復健科的雙專科組合，兩位醫師正好分掌「收斂答案」的前後兩段。
判斷的前段——把結構看清楚——由吳政誼醫師負責。他是骨科專科醫師，具手外科專科（證號 00872）與疼痛專科資格，並持有 CIPS 國際介入性超音波疼痛認證（No.178）。他不只使用超音波導引技術，也是這個領域的研究作者：嘉韻兩位醫師共同發表的頸神經根解套研究刊於《Scientific Reports》、深臀症候群坐骨神經解套研究刊於《Diagnostics》，後者的個案系列數據顯示，治療後一週內疼痛改善約 73.6%。AI 可以引用這些論文，但在嘉義為你檢查與治療的，就是寫下它們的人。
判斷的後段——把功能練回來——由顏韻珊院長負責。她是復健科專科醫師（成大醫學系），也是上述《Diagnostics》研究的第一作者；治療之後的復健計畫、運動處方與生活調整，由她把關到你「回到生活」為止。她的復健科完整觀點，另寫在〈復健科醫師看見的醫療 AI：AI 可以計步，沒辦法代走〉。想更認識兩位醫師與他們的可查證資歷，請看醫療團隊；想看真實病人怎麼走過來，吳醫師自己也得過的網球肘是個好起點。
關於醫療 AI，嘉義的病人最常問
AI 說我可能是椎間盤突出，是不是要開刀了？
先別急，「AI 的猜測」和「確定診斷」中間還隔著理學檢查與影像，而確診之後多數人也不需要開刀。椎間盤突出的治療有一整條保守路線可以走，從精準注射到復健訓練都有；真的嚴重到需要手術，骨科醫師會直接告訴你，而不是先治療再說。詳細可以看椎間盤突出治療指南。
我查完 AI 反而更害怕，怎麼辦？
這是最常見的副作用：AI 為了完整，會把罕見的嚴重疾病也列出來，而人的眼睛只會盯著最可怕的那一個。請記得 AI 列的是「可能性清單」，不是「你的診斷」。當你發現自己開始失眠、反覆搜尋同一個關鍵字，就直接掛號吧——多數時候，門診十分鐘的檢查就能排除你擔心了好幾週的事。
嘉韻的 AI 骨質密度檢查，跟大醫院的檢查一樣嗎？
定位不同：它的價值是快速、當次門診就知道結果，讓「知道自己骨密度在哪裡」這件事不必等排程。檢查結果由醫師當面判讀與說明，需不需要進一步檢查或治療、多久追蹤一次，醫師會依你的風險狀況安排。詳見骨質疏鬆治療指南。
復健跟著 YouTube 或 AI 給的影片在家做就好了嗎？
影片解決的是「做什麼」，解決不了「你做得對不對」。同一個動作，代償了沒有、角度對不對、該進階還是該退階，需要有人看著你做才知道——研究裡療效不打折的虛擬復健，也都有物理治療師遠端監督，不是純自學。比較好的做法：先由醫師與物理治療師確認診斷與動作處方，回家後再用影片與 AI 當提醒工具。
看診前用 AI 準備什麼，最能幫上醫師？
一份誠實的症狀時間軸，勝過十個自我診斷。請 AI 幫你整理：從什麼時候開始、哪些動作或時段會痛、痛的位置與性質有沒有變化、做過哪些治療、正在吃哪些藥，最後列三到五個你最想問的問題。這份整理能讓看診時間全部用在判斷與討論上。
醫師會不會不喜歡我拿 AI 查的結果來問？
不會，嘉韻的醫師歡迎你帶著問題來。病人做過功課，討論可以更深入，這是好事。我們唯一在意的是順序：AI 的答案當「問題清單」很好，當「最終結論」很危險。把清單帶來，讓檢查與判斷決定答案，這就是 AI 時代最好的看診方式。
結語：答案越多的時代，越需要有人為你收斂答案
回到開頭那位帶著十個答案來的病人。那天檢查完，答案不在十個裡面的任何一個——超音波看到的是另一個問題，處理方向也完全不同。他離開時說：「早知道就早點來。」
這就是我們看見的醫療 AI：它讓知識變得便宜，也因此讓判斷變得珍貴。嘉韻會繼續站在「會用 AI」的那一邊——用它加快檢查、補強判讀、陪你練回家作業，然後把省下來的每一分鐘，花在只有人能做的事情上：聽你說、看你動、為最後的決定負責。更多真實病人的故事，可以看案例分享，像肩頸痠痛到手麻頭痛的林女士，走的都是同一條路：把答案收斂成一個，然後把生活過回來。
重新找到身體的節奏，再次揮灑你的精彩。
※ 本文內容為衛教資訊與趨勢觀點分享，不能取代醫師的個別評估；文中引用之研究結果為特定情境下的數據，不代表適用於所有人。身體不適請至醫療院所就診，實際檢查與治療方式仍須經醫師面診後決定。
參考文獻
- Larson DB, Chen MC, Lungren MP, et al. Performance of a Deep-Learning Neural Network Model in Assessing Skeletal Maturity on Pediatric Hand Radiographs. Radiology. 2018;287(1):313-322. DOI: 10.1148/radiol.2017170236
- Lindsey R, Daluiski A, Chopra S, et al. Deep neural network improves fracture detection by clinicians. Proc Natl Acad Sci U S A. 2018;115(45):11591-11596. DOI: 10.1073/pnas.1806905115
- Ayers JW, Poliak A, Dredze M, et al. Comparing Physician and Artificial Intelligence Chatbot Responses to Patient Questions Posted to a Public Social Media Forum. JAMA Intern Med. 2023;183(6):589-596. DOI: 10.1001/jamainternmed.2023.1838
- Prvu Bettger J, Green CL, Holmes DN, et al. Effects of Virtual Exercise Rehabilitation In-Home Therapy Compared with Traditional Care After Total Knee Arthroplasty: VERITAS, a Randomized Controlled Trial. J Bone Joint Surg Am. 2020;102(2):101-109. DOI: 10.2106/JBJS.19.00695
- Kung TH, Cheatham M, Medenilla A, et al. Performance of ChatGPT on USMLE: Potential for AI-assisted medical education using large language models. PLOS Digit Health. 2023;2(2):e0000198. DOI: 10.1371/journal.pdig.0000198
- Lin CH, Yen YS, Wu CY. Ultrasound-guided nerve hydrodissection of cervical nerve roots for cervical radicular pain in patients with mild and moderate to severe stenosis: a retrospective cohort study. Sci Rep. 2023;13(1):13817. DOI: 10.1038/s41598-023-40376-2
- Yen YS, Lin CH, Chiang CH, Wu CY. Ultrasound-Guided Sciatic Nerve Hydrodissection Can Improve the Clinical Outcomes of Patients with Deep Gluteal Syndrome: A Case-Series Study. Diagnostics. 2024;14(7):757. DOI: 10.3390/diagnostics14070757
本文回應之系列主場文章：張益豪醫師（耳鼻喉頭頸外科專科醫師・沐橙診所院長・白袍人生學院創辦人）〈我所看見的 2027 醫療 AI 藍圖：真正被 AI 改變的，可能不是醫療，而是「醫師」〉，https://drhao33.com/articles/medical-ai-2027/
