前一陣子在門診來了一位六十幾歲的先生，他坐下來抱怨的症狀很典型：鼻塞、打呼。我內視鏡一看，答案也很典型，嚴重的下鼻甲肥厚、鼻過敏引起的。
我正想著要從哪裡開始解釋，他先開口了。
「張醫師，我想找你手術。而且功課我都做好了，你直接告訴我什麼時候可以手術就好。」
我停下手上的筆。
這句話從一個第一次碰面的患者嘴裡說出來，其實不太尋常，因為這種侵入性的治療通常需要多次溝通與信任的累積。通常我得先解釋十分鐘、畫個圖、講一下風險，請護理諮詢師再次深入說明，講一下價格，讓本人跟家屬都知悉細節之後，病人才會開始「考慮」；而他是坐下來就已經決定了。而且堅信不移，也不追問更多的細節？！
所以我問了那個最基本的問題：您怎麼會想找我？
朋友介紹的嗎？不是。
看影片？看過我寫的文章？也不是。
上網查醫師評價？他搖搖頭。
他停了一下，不好意思的說：
「AI 推薦你的，而且強力推薦。」
我聽到的第一秒笑出來了，但隨即發現新的問題！AI 確實很能推薦很多東西，但手術這事情，你怎麼會這麼信任 AI？
我半開玩笑地追問：AI 幫你挑的，你就相信？我原本以為他會跟著打哈哈，結果他回答得很認真——他平常就大量使用 AI，什麼都問，自己一路驗證下來，覺得準確度有八、九成。而且這個「AI 夥伴」已經陪伴他很久了。
他選擇相信它。
送他出診間之後，我在椅子上多坐了幾秒。讓我在意的其實不是他做了什麼決定，而是另一個問題：在他心裡，那個「推薦我」的角色，到底站在什麼位置？
這篇文章是「醫療 AI 診間三部曲」的第一篇，源自 2026 年 8 月一場醫療 AI 研究訪談——一位正在訪談十幾位各科醫師的研究者，坐進我的診間聊了一個下午。這一篇談現象：AI 為什麼這麼容易被信任，以及診間裡我實際看到的三種 AI 玩家。
我知道大家都忙，先說結論
- 「AI 推薦病人來手術」已經是現在進行式，不是未來想像。
- AI 容易被信任，靠的是三件事：即時回饋、正面肯定、數位陪伴感——合起來就是很高的情緒價值。
- 一次好的結果會閉合成信任迴圈：AI 推薦 → 結果不錯 → 更信任 AI → 更常問 AI。
- 我們常常嚴以律 AI、寬以律己：人的「聽說」錯誤率也不低，AI 幻覺不該被當成拒絕理解它的藉口。
- 帶著 AI 結果來的病人可分三種玩家，乘上醫病關係強中弱，是九種完全不同的溝通情境。
AI 為什麼這麼容易被信任
手術後，這位患者恢復得很順利。然後我意識到一件事：他心裡的迴圈已經閉合了——
AI 推薦 → 手術順利 → 更相信 AI → 以後更常問 AI。
這是一個信任迴圈。而它的起點，是 AI 提供了三樣傳統醫療很難給足的東西：
- 即時回饋：半夜三點也回你，不用掛號、不用排隊。
- 正面肯定：「你這個問題問得非常好，你很在意自己的健康。」
- 數位陪伴感：它記得你問過的每一件事。
三個加起來，就是很高的情緒價值。姑且不論正確度，這種「被接住」的感覺，很多時候連家人都給不了。
有人會說：可是 AI 會幻覺、會答錯啊。我們不妨倒退一百步想——人就沒有講錯話的時候嗎？街坊鄰居隨口一句「聽說那間餐廳很好吃」「聽說去那個國家不用簽證」，錯的比例其實也不低。
我們常常是嚴以律 AI、寬以律己。人也會記錯、腦補、猜測，只是我們習慣原諒人，卻不習慣原諒機器。與其反覆強調 AI 會錯，不如把力氣花在理解民眾為什麼信它——因為那正是醫療端可以學習、也必須面對的東西。
診間裡的三種 AI 玩家
這一兩年，「問完 AI 才來看診」的患者明顯變多了。以我在新竹的觀察——科技業密度高的地方，這個比例又更高——粗略可以分成三種：
[ 資深玩家 ] 自己用 AI 展開一百個可能性，還會自行收斂成兩三個最像的，只請醫師給最後定奪。
[ 一般玩家 ] 帶著一整串可能性進來，不知道哪個重要、哪個危險，需要醫師幫忙收斂。
[ 模糊玩家 ] 查了，但也不知從何問起，反而容易被「癌症」之類的關鍵字嚇到——查了個寂寞。
這三種類型，還要再乘上一個變數：醫病關係的強、中、弱。三乘三，九種排列組合。
同一句「AI 說我可能是深頸部感染」，如果是認識十年的老病人，我一句「這個可能性很低」他就安心了；如果是第一次見面的患者，我在他心中可能只是 AI 排名裡的第五、第六名，需要的溝通時間完全不同。對草創期的年輕醫師來說，這個落差會更明顯——這也是 AI 世代醫病溝通真正的新課題。
AI 沒有改變醫療的本質
把時間軸拉長看，我認為這件事的本質沒有變。
以前病人會說「我鄰居說我是什麼」「我爸爸覺得我是什麼」「我爬文覺得我像什麼」。現在只是從道聽塗說，變成聽 AI 說。
差別在頻率：以前不好意思問人，現在手機拿起來就能問，又免費又方便，所以人人都在問。而醫師要扮演的角色，跟一百年前沒有不同——問診、檢查、蒐集資料、做出決策，陪伴病人走過病痛。
至於 AI 到底有沒有幫助？我的答案是：有，但要正確使用。刀子可以傷人也可以當手術刀。拿 AI 發散一百個可能性卻不會收斂，是扣分；請 AI 蒐集背景資料、帶著整理好的問題來就醫，是加分。
怎麼樣算「正確使用」？我把診間裡看到的失敗模式整理成了五道關卡，寫在三部曲的第二篇：用 AI 查症狀前，先過這五關。至於 AI 時代醫師還剩下什麼優勢，第三篇會談：AI 時代，醫師還剩下什麼？。想直接拿來用的，可以看工具篇〈怎麼問 AI 健康問題：一頁指南〉。
關於本文：本文為「醫療 AI 診間三部曲」第一篇，內容整理自 2026 年 8 月一場醫療 AI 研究訪談中的診間實例分享。關於 AI 與醫療決策的完整論述（含兩項隨機對照試驗數據），可延伸閱讀：AI 給了十個答案之後：醫療決策的三層架構。
免責聲明：本文為醫療趨勢觀察與觀點分享，文中案例已去識別化，不針對個別病情提供診斷或治療建議。身體不適請至醫療院所就診，由醫師依個別狀況評估。
