伊波拉病毒肆虐 — 機器人取代醫師再下一城
伊波拉病毒肆虐 — 機器人取代醫師再下一城
2014.10.20 | 技能

伊波拉病毒至截稿為止(10/10)造成 8,399 人感染、4,033 人死亡。嚴重疫情迫使 WHO(World Health Organization)宣布伊波拉病毒為國際公共衛生緊急事件

伊波拉病毒棘手部分在突變快、無特定治療方式,且高度傳染力。即便是防疫人員也有 5% 機率感染與死亡。近日更傳出八名防疫團成員宣導疫情時,遭認定伊波拉為外來陰謀的民眾殺害

防疫人員同時面對疾病和民眾雙重壓力,使行動更加困難。九月初,來自美國的醫師 Jeff Deal,帶著兩名機器人 TRU-D 前往賴比瑞亞協助醫院消毒,防止伊波拉病毒蔓延。TRU-D 機器人又被稱為「伊波拉殺手」,其配備紫外光,能將部分病毒及細菌等病原體結構打斷,無法再攻擊人體。

機器人與病毒大戰的勝負未定。但在兩者之間,人類醫師的位置恐怕越來越小?

一鍵執行的手術

2014 年心臟外科權威渡邊剛醫師用一台手術機器人 ─ 達芬奇(Da Vinci)– 完成手術。渡邊醫師在手術過程中,人在控制臺內操作機械臂,並利用監視器觀看 3D 影像,從頭到尾不須站上手術台。


(圖說::手術機器人 ─ 達芬奇(Da Vinci)。圖片來源:medgadget)

渡邊剛醫師的野心更不止於單一手術,他大膽建議記錄機械臂的方向、力度與手術影像等資訊,分析後建立手術模組。未來,醫師只要事先瀏覽解剖影像,輸入手術模組,然後壓下按鈕,機器人將自動完成開刀。

未來,我們的醫生在哪裡 ?

2013 年 1 月,美國食品和藥物管理局(FDA)核准 RP-VITA 遠程感知機器人。RP-VITA 模樣很逗趣:機器人頭部是大螢幕,呈現醫生臉部影像。身上有視訊問診的工具,如麥克風和揚聲器,還有攝像鏡頭,用來檢查病人身體徵兆。另外也有麥克風蒐集病人的心音和肺呼吸聲。


(圖說::RP-VITA 機器人醫生。圖片來源:businesswire)

靠著 RP-VITA,醫師不需要親身巡房,只要透過機器人螢幕就能跟病人打招呼、詢問病況,查閱電子病歷。醫師再也不用擔心分身乏術,事實上還能照護更多病房。

最重要的是能實現遠端醫療。即便在偏鄉醫院,醫生能透過 RP-VITA 機器人協助偏鄉醫療。

不只治療身體,也治療心

機器人也能給予溫暖。住過院的人都知道在醫院裡很難遇到醫生,而護士又總是忙碌。最需要關注的病人,在醫院中卻像是被推來推去的局外人。

舊金山的慈愛醫院(Mercy Hospital)雇用大批情感機器人(Empathy Robots)幫忙。這些機器人能詳細回答所有對應的病況條件、照護方式。最貼心的是,機器人還能「看」到眼淚。當它發現你難過傷心時,會給你擁抱、微笑,甚至遞出面紙。

這並不荒謬 — 人類對機器人也能有情感的連結。德國埃森杜伊斯堡大學發現當播放「機器人被虐待」的影片時,人腦大腦的情緒區塊也會隨之反應。

這些發現給了少子化國家希望。日本、韓國正面臨少子及人口老化,將需要龐大的照護系統。療癒系機器人又強壯、又聽話,似乎是不錯的選擇。

微型機器醫生

前面提到大型機器人對抗伊波拉病毒,另外也有較接近病毒體積的微型機器人準備上陣 ─ 奈米機器人(Nanorobot)。

2014 年 1 月,韓國科學家開發出世界第一個抗癌奈米機器人。它能將沙門氏桿菌置入約 3 微米的機器人,然後注入人體。奈米機器人會在組織器官內遊走,直到找到特定癌細胞,自動釋放化療藥劑。這種瞄準獵殺病灶的概念,能降低藥物對於正常組織的傷害。

科技,讓世界上最小的機器人,攻擊世界上最大的殺手。

大型全面的機器人醫院

美國皮尤研究中心(Pew Research Centre)預測 2025 年時,醫師、律師及會計師將被人工智慧給取代。

未來,當你不幸搭上救護車,醫生將藉由機器人的螢幕問診。進了醫院,將由服務機器人負責掛號,帶領你至治療區。再由護士機器人感測呼吸、脈搏等生命指數,並偵測聲波及臉部的變化,還很貼心地匯集病例給醫師。

病人獲得了精確、及時、毫無流程浪費,又完全以病人為本的醫療;但病人可能不會見到任何人類。

台灣 – 醫療機器人的大好市場?

也許有些人會嚷嚷:『台灣不可能由機器人取代醫師!』

不過,全台灣超過 6 成鄉鎮沒有婦產科醫師接生,且平均執業醫師為 53 歲。過往 5 年,原來選擇內科、婦科、外科與兒科的新進醫師,高達 3 成會在受訓過程中,選擇轉科

新血補不進來,多年臨床經驗醫師又紛紛出走,或改投入其他科。台灣西醫四萬多人中,竟有一萬人從事醫美。

令人擔憂的是醫師養成困難。一旦人才無法銜接,斷層會達十年以上。同時醫療需求只會增多不會減少。當全台灣醫生愈來愈少、愈來愈老,病人卻越來越多時,由機器人看病,似乎也不那麼荒謬。

只是機器人醫生的好處,在台灣可能只有有錢人能享受。達芬奇手術機器人一台要價 3,000 到 7,000 萬台幣不等。使用一次,自費額高達 4 – 20 萬不等。傳統手術健保卻只給付 3 – 5 萬,還可能被核刪罰錢。租用一台遠端感知機器人 RP VITA 一個月也需 15 萬台幣。這種數字,連年虧損的台灣健保不會買單。因此,經營者當然寧願跳出健保經營。

再加上機器人的科技形象鮮明,深受消費者信賴。2011 年美國健康照護品質報告(Journal for Healthcare Quality)統計美國 41% 的醫院網站已開始廣告「機器人醫療」,高達 8 成放在網站首頁。例如台灣的馬偕醫院也有專門介紹達芬奇機器人的頁面


(圖說::馬偕醫院介紹達芬奇的頁面。圖片來源:馬偕醫院)

因此就算短期內機器人不會取代醫師,但有可能先吃掉部分健保醫院的利潤。

醫生的演化

危機就是轉機,機器人醫師的出現可能是醫療崩壞下的一種解套。

首先,醫師的角色將改變。機器人出現,讓醫生的角色更像是設計工程師或是操控者,不須大量臨床治療時間。醫生不僅減少勞力,能更專注在醫療的研究和發明。

有了機器人擔任第一線,外科醫師不再需要親手切下病人組織,而是操縱機器執行。內科醫師也不是親自診治,而是藉由機器人錄像檢查、比對數據作出診斷。

神話中的隱憂

然而要發展成熟,醫療機器人會先帶來三大危機:

  1. 醫師能力退化
  2. 電腦與人類的文化誤差
  3. 資訊安全

一旦醫師需求量減少,醫療上反饋進步的速度就會減緩。當醫師過度依賴科技,將導致醫師能力的退化。

其次,醫療機器人的技術總有個上限。畢竟電腦無法像人類般掌握語言、情緒與文化,而且病人的需求會隨時代變動,這是機器不容易跟上的。拿外科為例,光外科就有超過 1,500 種類型的˙手術,還不包含同個名稱下不同的手術模式。即使是超級電腦,要建立起這麼龐大精確、層次複雜,需要大量資訊、反覆辯證的人類經驗資料庫,仍然極為困難。

最後是機器的安全性問題。好萊塢女星豔照外洩事件,再次提醒人們要懷疑雲端的資訊安全。人類醫生負有醫患保密義務,如果違反義務將受刑責。如果違反義務者是個機器人,該如何究責?

同理心的價值

尖端的設備、先進的人工智慧將能逐步提高醫療的準確性。完美的醫療程序將都是 A,然後 B,再來 C,每一步都有大數據跟研究支撐,而且由穩定精準的電腦執行。

但是,醫療中那種體貼病人的心呢?在醫療體系工作的人員,提供的每一個簡單、細緻而微小的照護,都出自一種責任感與信任。如果有天這種體貼失去存在空間,例如被科技給淹沒;或者,醫生真被機器人取代了;那麼在病人生命中最脆弱、最需要關懷與貼心的時刻,出現在身邊的都將是無機體了。

註:本文感謝陳醫師給予建議。

enter image description here

本文出自有物報告。作者Sharon Shih,曾在教學醫院擔任口腔外科醫師。喜歡手術,但專業依然未熟。對醫療以外的世界好奇且興致勃勃。

有物報告取名自「言之有物」,是一個內容深、觀點多、有時幽默的網路媒體。我們聚集了科技、財經、商業的業內人士,從專業的角度探討國際性的議題。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓