我知道大家都忙，先說結論
- 病人的問題會從「不知道」變成知道太多——缺的不是知識，是判斷。
- 醫師會從「知識提供者」變成醫療決策的總舵手——AI 給十個答案，選哪一個、誰承擔，才是價值。
- 診間會從「一次看診」變成一條連續的健康旅程——這是下一代診所的護城河。
- 真正的競爭不是 AI 對醫師，是會用 AI 的醫師對上不用 AI 的醫師——而這已經是現在進行式。
- 我期待的不是效率革命，是時間重新分配——把機器擅長的事給機器，把醫師的時間放回傾聽、理解與陪伴。
文章目錄展開選擇章節
本文收錄跨科別醫師的具名觀點。想先看特定醫師的分享，可以直接前往醫師目錄。
我是張益豪，一位耳鼻喉頭頸外科專科醫師，在這個領域上已經工作大約十六年，也是一個長期站在臨床、創業、醫師教育與 AI 應用交界的人。
這兩年，特別是 2026 年這一年，我有一個感受愈來愈強烈：
AI 對醫療最大的衝擊，可能不是「AI 能不能診斷疾病」。
而是——
當每一個病人走進診間以前，都已經問過 ChatGPT、Gemini 或 Claude 各種 AI 工具，甚至更進階的是問到朋友轉述的 AI 答案，他們帶著十多個以上的未知答案來看診；同時，診察桌的另一邊，每一個醫師身邊，都開始有一個讀不完資料、整理不完文獻、甚至不會累的 AI 助手。
我們必須重新回答一個問題：
「醫師真正不可取代的價值，到底是什麼？」
我認為，2027 年開始，我們會看到四個非常明顯的改變。
一、病人最大的問題，將從「不知道」變成「知道太多」
以前的病人走進診間，常常是：
「醫師，我不知道自己怎麼了。」
現在愈來愈多病人是：
「醫師，我查過了。我覺得可能是 A，也可能是 B，AI 說還要排除 C。我自己覺得我是 C 這個項目，你說對嗎？」
這是一個非常重要的轉折。
過去醫療最大的資訊落差，是「醫師知道，病人不知道」。各行各業很多時候都存在著巨大的資訊不對稱。
AI 出現之後，資訊取得的成本正在快速趨近於零。
但資訊愈多，不代表決策愈容易。
這可能很反直覺，但你不妨想想：我們拿到電視遙控器時，如果頻道有幾百台可以選，反而很容易花時間在挑到底要看哪一台，有輕微的選擇障礙，很多時間都花在選台，最後落得根本沒有好好看完一集節目。反之，以前只有台視、中視、華視的時候，選擇很快，生活似乎也過得去。這讓我開始反思：選擇越多、資訊越多，真的是幸福嗎？
我認為甚至恰恰相反。
病人真正缺少的，開始不是 Knowledge，而是 Judgment。
- 哪些資訊跟我有關？
- 哪個風險真的值得擔心？
- 什麼現在就要處理？什麼可以觀察？
- 十種治療方法裡，哪一種最適合「我」？
所以我認為，未來醫師真正稀缺的能力，會從「知道答案」逐漸轉向：
在大量答案裡，替病人做出正確判斷。
甚至更進一步：提早在資訊河裡面，提供民眾已經整理好的知識庫，並且願意具名。更進階的方式是，一群有正確衛教與專業內容的醫師集結起來，創造一個巨型但正確的資料庫給民眾使用，同時也給 AI 去整理、搜尋與引用。我想這份社會責任，有待某一群有遠見的醫療人員團隊努力建立起來。
二、醫師會從「知識提供者」，變成「醫療決策的總舵手」
我常常說：
AI 可以一次給你十個答案。
但是最後要選哪一個？誰來承擔？
這就是醫師的價值。
未來 AI 可以幫我們整理病歷、摘要檢驗、閱讀影像、比對 guideline、整理 differential diagnosis，甚至提醒可能被忽略的疾病。這些事情，我認為只會愈來愈普及與快速。
所以未來最危險的醫師，不一定是「被 AI 取代的醫師」。
而是還把自己的核心價值建立在「我記得比你多、我讀的書比你多」——這樣是很危險的。
因為記憶、搜尋、整理、比對，恰恰是 AI 最擅長的事情。
醫師真正應該升級的，是判斷、溝通、整合、責任與信任：不停地在診間啟動貝氏定理（Bayes’ theorem）來幫眼前這位病人做決策，把對方的心理狀態、期許、社會經濟壓力通通一起考慮進去，然後才跟病人做出醫病共同決策。
AI 可以是全世界最強大的副駕駛。
但真正握著方向盤、知道病人要去哪裡的人，仍然必須是醫療專業者，是醫師。
三、診間會從「一次看診」，變成一條連續的 AI 醫療旅程
這可能是我認為 2027 年最值得醫療創業者注意的地方。
今天的醫療流程，其實非常破碎：
病人掛號。等候。進診間五分鐘。回家。三個月後再見。
中間發生了什麼，醫師幾乎不知道。
但 AI、穿戴裝置與個人健康資料開始串接之後，醫療會逐漸從「單點」變成「連續」：
- 看診以前：AI 先協助整理症狀與時間軸。
- 進診間以前：醫師已經看到重點摘要。
- 看診過程中：AI 協助記錄、整理與決策支援。
- 離開診間之後：AI 繼續協助衛教、追蹤、提醒與異常偵測。
下一次病人回來，不再只是說「最近好像有比較好」，而是可以拿出過去三個月真正的變化。
這時候，診所賣的就不再只是「一次看診」，而是一套持續性的健康管理系統。
我認為這會是下一代診所非常重要的護城河。我也很期待這樣的健康生態系中，很實用的廠商出現——一定可以跟醫界產生很巨大的火花，同時讓民眾享受到更好的醫療整合行動智能裝置。
四、真正的競爭，不會是「AI vs. 醫師」
我反而認為，這個問題很快就會過時。
真正的競爭會變成：
「會使用 AI 的醫師」vs.「不使用 AI 的醫師」。
其實這個現象不是預測，我認為已經是一個事實了。到了 2026 年的下半年，我去參加醫學會時已經發現，有大量使用 AI 輔助工作與生活的醫師，他的思維方式、工作流、產出衛教的圖文影音、學習新技能與人交流的方式，已經跟不熟悉 AI、甚至沒有在用 AI 的醫師相去甚遠。
在此我沒有評價哪個模式好，而是這股趨勢與現象其實已經在發生中，而且未來還會持續加劇——就如同電腦剛出爐的那幾十年，有在用電腦的人 vs. 沒有用電腦的人，在後續職涯中還是會出現截然不同的路徑。
那麼新的思考點來了：怎麼善用這些省下來的時間。
一個醫師如果可以讓 AI 幫忙整理大量資訊、追蹤病人、準備衛教、閱讀新研究，把原本每天花兩個小時處理的低價值工作壓縮到二十分鐘——那麼被釋放出來的時間，可以拿來做什麼？
多看十個病人？
我反而希望不是。
我希望醫療 AI 最後帶來的，不只是「效率革命」，而是時間重新分配。
把機器擅長的事情交給機器。把醫師真正珍貴的時間，重新放回：
傾聽、思考與理解、正確回應並確認彼此的認知與感受、閱讀空氣、貝氏定理下的推理與判斷、口語化的病情解釋、綜合社會經驗與醫療經驗來彼此醫病共同決策。
處理更複雜的問題，以及陪一個正在害怕的人，做出重要的人生選擇。
這也延伸出另一個職涯問題：省下的時間，要用來累積什麼？我在醫師第二曲線：四十歲後重新思考醫師這份工作裡，以臨床、寫作、演講與教學的經驗，思考專業如何在本人不在場時繼續被使用。
那一般民眾現在應該怎麼使用醫療 AI？
我會給三個建議。
第一，把 AI 當成「診前助理」，不要當成「你的主治醫師」
你可以請它整理症狀、建立時間軸、解釋醫學名詞，甚至幫你整理「等一下應該問醫師哪五個問題」。
這非常有價值。
但是不要把最終診斷與治療決策完全交給它。它只是幫你聚焦與整理重點，好讓你看診前可以梳理自己的思緒，避免走進診間很緊張、什麼都忘了問，走出診間才突然想到剛剛忘了問醫師什麼。我想這樣的畫面，大家可能都發生過。
第二，開始建立自己的「健康資料資產」
社會中有很多種資產：數位信任資產、不動產、智慧財產、動產。現在有一種資產我們一定要好好把握，而且這東西還能自己建立，掌控權在自己手中。
過去我們換一家醫院，很多健康資訊就重新歸零。
未來真正有價值的，會是屬於你自己的 longitudinal health record（長期縱貫健康紀錄）與病歷：客製化、專屬於自己的健康資料資產。
你的檢驗、影像、用藥、過敏史、穿戴數據、睡眠、體重，以及長期趨勢，盡量都累積儲存在你的電腦、手機，甚至自己信任得過的 AI 資料庫中。我知道有人會挑戰說這樣資料就上雲了、不安全——沒錯，這裡我是認同的。但我更期待的是，未來有科技相關的人才能解決上雲的資安問題；在解決這個資安問題之前，民眾就可以慢慢地自己開始累積「健康資料資產」。
過往政府在做的雲端資料庫與雲端病歷，其實就是類似這樣的邏輯與概念，只是這回在 AI 的幫助之下，您是有機會可以自己做好自己的「健康資料資產」管理。
資料愈完整，AI 才愈可能真正理解「你」，而不是只理解「某一種疾病」。
第三，學會問 AI：「我可能忽略了什麼？」
這可能比問「我到底得了什麼病？」更有價值。
因為真正好的 AI，不應該只是急著給答案，而是幫助人類看見原本沒有看見的問題，也幫助自己不停地思考。
但提醒一點：協助思考，但不要過度發散。當你發現自己腦中浮現出許多可怕的畫面與可能時，那麼就是你應該停止使用 AI 繼續追問這個健康問題、而需要尋求實體醫師的時候了。
（這一段的完整版，我寫在〈用 AI 查症狀前，先過這五關〉，裡面有一個「因為兩個關鍵字擔心兩個月」的真實案例。）
我所期待的 2027
很多人擔心：AI 愈強，醫師會不會愈沒有價值？
我的答案反而相反。
AI 會快速降低「醫療知識」本身的價格。但同時，它會讓另外幾件事情變得更加昂貴：
判斷。信任。責任。溝通。以及真正理解一個人的能力。
所以我所看見的 2027，不是一個「AI 取代醫師」的世界，而是一場醫師價值的重新定價。
過去，我們花了十幾年，訓練自己成為一個「知道很多答案的人」。
接下來，我們可能要重新學習——當全世界都不缺答案的時候，
我們如何成為那個「知道該相信哪個答案、知道什麼時候不能相信答案，而且願意為最後決策負責的人」。
這可能才是 AI 時代，醫師真正的護城河。
這個判斷放到診所管理裡，我和 17 位跨領域專家在〈AI 能成為診所的數位主管嗎？〉一起討論過：AI 可以接住重複的教學，但責任仍要有人扛。
——張益豪醫師
醫師怎麼看 AI：跨領域觀點收錄
上面是我一個人的視角。但 2027 會怎麼走，不會由耳鼻喉科一個科別說了算。
所以我開了這一區，邀請不同專科、不同領域的醫療專業者，各自用五百字寫下他們看見的 AI。本區包含親筆供稿與本人公開文章節錄，各段分別標明來源並連結原文。我保留各位的判斷；各篇代表撰寫者本人的觀點，不構成全體共識或對全文的共同背書——這一區的價值就在於彼此不一樣。
目前收錄二十位醫師與一位物理治療師的看法，橫跨兒科、小兒心臟科、兒童胸腔科、兒童遺傳代謝科、胸腔內科與重症醫學、家庭醫學科、肥胖醫學、齒顎矯正、中醫、中醫兒科、骨科、復健科、眼科、婦產科、精神科、整形外科與耳鼻喉頭頸外科——西醫、牙醫、中醫，以及復健治療的第一線現場都在裡面。這一區會持續增列；徐嘉賢醫師列為優先閱讀，其餘保留既有收錄順序。
優先閱讀｜2026 年 9 月 28 日增修：從診所現場，看 AI 如何一步一步落地
兒童胸腔科與診所經營・徐嘉賢醫師（黑眼圈奶爸Dr.）
節錄自醫師本人公開文章・已回連原文
先講結論：我的觀察與經驗告訴我，2027 年醫療 AI 的分水嶺不在技術，在做法。AI 已經夠聰明了，卡住的從來不是模型，是醫師願不願意把只在腦袋裡的流程，一條一條寫下來。而 AI 會把醫療分成兩種：可以被取代的「一次性看診」，和不能被取代的「長期關係」。
醫學中心的病人「認廟」，診所的病人「認人」。這是我開業之後才真正懂的一件事。2027 年，AI 會把這件事推到極端。看感冒、看咳嗽這種一次性的看診，患者會先問 AI，能自己處理的，就不來了。可取代性高的科別，會第一個感受到。但反過來，需要長期關係的照護，AI 反而會變成加深關係的工具：追蹤、提醒、個人化，這些以前靠人撐、人一忙就斷的事，AI 可以接住。
我常常提醒自己一件事：家長雇用我的，不是「看咳嗽」，是「不要讓我半夜聽到孩子咻咻聲時，心臟漏一拍」。AI 可以回答咳嗽，但它給不了那份安心。至少 2027 年還給不了。
老實說，我不期待 AI 幫我診斷。我期待的是它把醫師從打字、找資料、重複解釋的時間裡撈出來，讓我們回去做只有人做得到的事：看著患者的眼睛講話。我也期待一件比較不浪漫的事：醫療 AI 要有誠實的紅線。我在診間不會說「斷根」、「保證有效」，因為那不是真的。AI 也不該說。2027 年如果 AI 講話比醫師還大膽，那不是進步，是災難。
2027 年會有非常多閃亮的東西，看到就追著跑，最後只是在浪裡插花。我自己只看三類：
- 幫醫師把流程寫下來的工具。 語音記錄、自動整理、能照著 SOP 執行的 AI 助理。它們的價值不在多聰明，在於逼你把腦袋裡的東西攤開來。攤開來之後，人會走，系統不會。
- 在診間外陪著患者的工具。 追蹤、提醒、把患者的紀錄變成醫師看得懂的曲線。診間那五分鐘，AI 幫不上太多忙。回家後的三百六十四天，才是它的主場。
- 資料留在診所裡的 AI。 我的原則只有一條：AI 進來，病人資料不出去。這條紅線不是限制，它是我敢把工作交給 AI 的原因。
怎麼開始？打個比方，就像老房子加蓋。不要拆掉正在跑的系統，不要一步到位，先在上面疊一層。第一件交給 AI 的事，用四個濾網挑：高頻、低判斷、低風險、可驗證。做得好，再疊下一層。做壞了，拆掉那一層就好，房子不會垮。
2027 年，AI 不會取代醫師。但把 AI 疊上去的醫師，會取代還在等完美系統的醫師。你不用打掉重練，你只需要，疊上去。
增修案例｜把 LINE 交辦整理成 SOP，把訂貨與到貨分清楚
增修：｜以下為徐嘉賢醫師新增的診所實作補充，保留原稿文字。
張醫師提到，訓練 AI 的過程，也會逼著診所把自己的規則說清楚。這一點，我在整理診所工作時很有感。
我請 AI 把過去在 LINE 群組交代的事情整理成候選規則，才發現「院長以前說過」，還得再問一句：「現在還適用嗎？」有些已經過時，有些重複，也有前後需要重新確認的地方。所以我安排人工勾選採用，再併入正式 SOP，留下紀錄，作為同仁查詢的依據。
藥局庫存也是很具體的例子。「已經訂了」跟「真的到了」，差幾個字，庫存卻差很多。我們讓 AI 協助辨識單據，分清楚訂貨與到貨，入庫前仍要人工核對。藥名對不上、數量有疑問，就先停下來查清楚。
這些經驗讓我覺得，數位主管值得期待的能力，是把經驗留下來，讓下一位同仁有依據可循。新人除了知道怎麼問，也要知道答案和現場不一致時，可以找誰確認、把錯誤回報到哪裡。
每次有人提出新的問題，也應該回頭看：是文件寫得不夠清楚，還是現場流程本身需要調整？
目前我還不能說這樣已經省下多少工時，但診所的規則開始有了可以回頭檢查、持續修改的紀錄。至於臨床判斷、現場衝突與例外處理，仍需要真人承擔責任。
徐嘉賢醫師｜兒童內科、兒童胸腔科專科醫師｜高雄徐嘉賢診所院長｜黑眼圈奶爸Dr.
延伸閱讀：徐嘉賢醫師的完整版長文〈2027 醫療 AI 趨勢：不用打掉重練，疊上去就好〉，文中附有六筆經 PubMed 與 Crossref 查驗的文獻，並在文末「關於這個系列」段落回連本文。
兒科・楊為傑醫師（白袍旅人）
親筆撰寫・授權聯合著作
我拿十二年前寫的文章去測 AI 檢測器，被判 70% 由 AI 生成。連這種判斷都會錯，我拿它寫生長、寫用藥，憑什麼相信它？
轉折不是換工具，是換認知：現在的 AI 是「每天都失憶的天才實習生」。所以你要寫 SOP、設檢核點、安排複核。我的重點因此變成把制度建立起來，「AI 不缺聰明，缺你的 SOP。」寫兒童健康更是：「沒有 reference 的 AI 是巫師；有 reference 的 AI，才能幫助醫師。」而且「maker ≠ checker」，自己驗自己等於沒驗。
2027 我沒有數字，只有判斷：AI 會先接手行政負擔，不是臨床判斷；病人會先問 AI 再決定要不要來；能落地的是地端、隱私優先的小工具，基層還卡三個點：零容錯、個資紅線、沒有工程師。「AI 時代最值錢的，不是會下指令的人，是會建制度的人。」
我期待醫師把寫 SOP 的能力用在管 AI，民眾把 AI 當第二意見，不是結論。我在用的是語音轉錄去識別、引用驗證機制、地端 OCR 歸檔、自有網站與電子報。健康產業鏈往下走，重要的不是誰產得多，是誰追溯得到出處。
給家長三個提醒：
- 第二意見：看完診還是霧煞煞，請 AI 換個說法解釋。
- 生長與用藥：這兩類幻覺特別多，錯得很有說服力。
- 歷史故事：1440 年代印刷術問世，也有人擔心人會變笨。
把不懂的問 AI，再把答案帶回診間問醫師。
作者：楊為傑醫師（兒科專科醫師、睡眠專科醫師）｜平安聯合診所負責人｜白袍旅人 twkid.com
延伸閱讀：楊為傑醫師的完整版長文〈我這三年用 AI 做了哪些事〉，寫他這三年用 AI 做了哪些事、以及踩過的坑。
家庭醫學科・陳依君醫師
親筆撰寫・授權聯合著作
我是家庭醫學科專科醫師陳依君。
每天面對的是同一個人身上同時發生的血壓、血糖、失眠、焦慮、體重，還有長輩那一整袋慢性病用藥。家醫科的難，從來不是單一診斷，而是把所有訊號拼湊成一張說得通的全貌。而整合醫學再往前一步：不只問「這是什麼病」，更問「這個人為什麼會走到這裡」，把飲食、睡眠、壓力、關係與身體一起看，因為紅字往往不是病因，只是結果。
我認為 2027 AI 趨勢會從「單科解讀」走向「整合判讀」。2027 的 AI 不會只回答「這顆藥能不能吃」，而是一次看完一個人的多項數據、多科紀錄，標示出彼此重疊不適合的地方。但對整合醫學來說，還有第二層「整合」，可以把醫療、營養、運動、身心與有實證的輔助療法，兜回同一個生活裡。我最需要的，是能同時守住這兩種視角的副駕駛：把被各科拆散的病人重新拼回一個人，也把散落的方法重新拼回一套他做得到的日常。
十分期待能把檢查單上的「紅字」變成「每天做得到的一件事」。健檢報告的問題不是看不懂，是看懂了也不知道明天要做什麼。AI 可以接手「把紅字變綠燈」中最難的一段：把 LDL 過高翻譯成「這週先從哪一餐開始」、把睡不好回推到白天的壓力與作息，並在下次抽血前的倒數日子裡持續陪伴、記錄、微調。規律的回診只是片段，中間那些努力的點滴，加上找對根源的方向，才是勝負。
值得發展的方向是多重用藥交互作用即時比對、整合家族史與生活型態數據的「全家健康帳本」，以及能判斷「在家觀察／這週看家醫／現在去急診」的居家分診工具。健康產業鏈正從「哪一科最厲害」，移向「誰能把一個人長期接住」，相信慢病陪伴、生活型態醫學與家庭健康協調會先長出價值。
我期待民眾別只是把 AI 當搜尋引擎，而是「全家的健康管家」，AI 可以幫爸媽記住回診用藥、把散落的健檢數字和生活作息整理成一頁帶進診間。但簽名負責、陪你找出紅字背後的根源、把它一格一格變回綠燈的，還是你的醫師。
陳依君醫師｜家庭醫學科專科醫師｜台全診所
精華摘錄：陳依君醫師在完整版長文裡用一句話抓住家庭醫學科視角：「疾病可以分科，但人不能。」她提醒，AI 真正有價值的不是多回答幾個疾病問題，而是協助把分散在各科、報告、用藥與生活裡的線索，整理回一個完整的人。
延伸閱讀：陳依君醫師的完整版長文〈2027 AI 醫療趨勢｜當 AI 開始把各科拆散的病人，重新拼回一個人〉。
肥胖醫學・周建存醫師
親筆撰寫・授權聯合著作
我是存奕美學診所周建存醫師，本身為肥胖專科醫師、內視鏡縫胃 ESG 認證醫師。
肥胖不是一次門診把體重降下來就好，而是需要長期追蹤、持續調整的慢性疾病。我期許 2027 年並不是 AI 取代醫師，而是讓「醫師的判斷」延伸到病人每天 24 小時的飲食、活動、睡眠、情緒與用藥行為，幫助肥胖病患瘦更好、更健康。
利用 AI，可以把更多資料串在一起：飲食 × 運動 × 睡眠 × 壓力 × 生理數據 × 體重 × 腰圍 × 身體組成 × 藥物 × 胃鏡治療 × 病人主觀感受；然後找出「這個病人到底是哪一個環節出了問題？」把常規的「標準化減重」變成「個人化減重」。
AI 也可以當病人的「24 小時減重教練」。例如請病人把吃的食物拍照上傳診所官方 LINE，AI 辨識食物、估算熱量／蛋白質／纖維質、判斷病人今天缺什麼，再給出飲食建議。
AI 可以提早抓到「復胖前兆」。當 AI 蒐集到病患睡眠變差、每日行走步數下降、晚間進食增加、高熱量食物比例增加，就會先發出警訊，提醒患者與診所可以提早介入。
AI 可以讓醫師的「個人化處方」真正規模化。醫師最大的限制通常不是知識，而是沒有足夠時間持續追蹤每個病人。如果之後醫師只要花一分鐘判讀 AI summary，再花幾分鐘和病人確認，就能做出最後醫療決策。
AI 可以變成「醫師數位分身」，但最後決策仍由醫師掌握。先由醫師制定療程規則路徑，AI 再整理醫師的臨床邏輯：患者分類 → 減重目標 → 飲食原則 → 運動原則 → 藥物原則 → ESG 前後管理 → 停滯期處理 → 復胖處理 → 警戒症狀 → 何時回診。根據路徑設定，AI 協助執行常規照護，醫師負責處理例外與高風險個案。
周建存我期望將來 AI 能更有效率幫助更多病患，也能解放醫師。
周建存醫師｜臺灣肥胖專科醫師・內視鏡縫胃 ESG 認證醫師｜存奕美學診所院長
齒顎矯正・陳彥宏醫師
親筆撰寫・授權聯合著作
我是齒顎矯正醫師陳彥宏。矯正是一門要看「臉、咬合、呼吸道、關節」的科別，療程又動輒兩三年，病人真正待在診間的時間卻不到十小時。我對 2027 年醫療 AI 的期待，是它能出現在那些沒有醫師在場的時刻，解決三件老問題。
第一，太晚被發現。齒列不整、下巴後縮、口呼吸、睡覺打呼，這些訊號早就呈現在孩子的生活照和睡眠裡，只是家長不知道那是訊號。我認為一個「拍照就能初篩」的工具，會幫到很多小朋友：拍幾張照片，就有機會提醒家長，這個咬合型態該找醫師看看，或是先觀察半年再拍一次。矯正很吃時機，骨頭還在長的時候能做的事，跟長完之後能做的事，代價差很多。
第二，看不懂自己要選什麼。拔牙或不拔牙、單純矯正或合併正顎手術，影響的是往後幾十年的臉型與咬合。我期待的產品不是行銷用的美圖模擬，而是把各方案的臉型結果模擬、療程長度、費用與風險並排在同一畫面的共同決策工具。決定應該是一起做的，不是醫師單方面交代的。
第三，資料存在卻彼此不通。打呼、磨牙、白天嗜睡、顳顎關節疼痛，常常和齒列與呼吸道結構有關，卻分散在不同科別。我認為把口內掃描與 3D 列印、影像判讀、居家睡眠監測與穿戴裝置產生的資料串起來，交給 AI 一起判讀，並在出現變化時主動示警，例如打呼變嚴重、夜間磨牙頻率上升、關節開始有雜音時就先提醒，而不是等病人自己受不了才來就診，這才是 AI 真正能幫上忙的地方。
至於民眾現在就能做的：把 AI 當翻譯和提問的幫手，不要當診斷工具。看不懂的報告先問清楚名詞，再帶著具體問題進診間。這樣看診的時間，才會花在只有醫師能給你的判斷上。
我期待的不是更聰明的模型，是更多真的被做出來、而且更多人願意用的 AI 產品。
陳彥宏醫師｜齒顎矯正專任醫師・樂沃矯正牙醫診所院長・樂的醫療體系創辦人
延伸閱讀：陳彥宏醫師所屬的樂的牙醫官網整理文〈2027 醫療 AI 會怎麼改變看診？牙科醫師的觀察〉（2026-09-08，陳彥宏醫師審閱），把本文收錄的各科醫師觀點整理成四個跨科共識與四道警戒線，再落回齒顎矯正的三個提問，並在文首與參考文獻回連本文。
中醫・李宜靜醫師
親筆撰寫・授權聯合著作
我是中醫師李宜靜，我對於 AI 未來的走向核心預判會是：2027 的醫療 AI，會從「幫你想」走向「幫你做」。真正困難的，不只是讓 AI 會問問題，而是讓它能安全地寫病歷草稿、整理追蹤名單、協助衛教與交接，甚至把資料寫回診所流程。
AI 每一個動作背後都要有四件事：誰覆核、查得到出處、留得下紀錄、錯了有人攔。少了這些防線，AI 只是把出錯的速度加快。
我期待的不是把醫師變得更忙，而是把排程、交接、衛教、追蹤這些診所日常流程撐起來；醫師只在真正需要判斷與負責的地方出現。給民眾的建議也很務實：看診前可以請 AI 整理症狀時間軸，但不要把最終診斷交給它；貼病情前也要先脫敏，因為資料一旦貼出去，就收不回來。
李宜靜中醫師｜中西醫雙證照・高雄雲玖中醫診所創辦人・台灣顏面針灸醫學會美顏針助教醫師・中華民國中醫兒科醫學會第八屆理事
延伸閱讀：李宜靜中醫師的完整版長文〈醫療 AI 2027：AI 可以動到哪裡？〉，含完整推導、11 篇研究回查，以及一張〈AI 可以動到哪裡〉十題盤點卡。
中西醫整合與數位醫療・高堯楷醫師
親筆撰寫・授權聯合著作
高堯楷醫師站在中西醫整合臨床與數位醫療系統研發的交會點，提醒我們：醫療 AI 不能只停留在「會聊天、會整理資料」。到了真正影響臨床決策的場景，重點會走向可解釋、可追蹤、能回到人體生理機制的「白盒子」系統。
他期待的 2027，不是把人簡化成單一病名，而是把發炎、代謝、微循環、神經張力與生活節律等多層資料放在一起看。AI 的價值，是協助醫師看見一個人身體狀態的動態變化，而不是只給出一串看似完整的答案。
對民眾來說，他的建議很清楚：把 AI 當作思維整理器，不要當最終診斷者；平常也可以開始累積睡眠、心率、HRV、活動量等長期資料，讓未來的醫師與 AI 有更多線索可以判讀。真正重要的不是答案變多，而是答案背後能不能說清楚原因、留下脈絡，並由醫師負責最後判斷。
高堯楷醫師｜中醫師・台北大安中醫診所主持醫師
延伸閱讀：高堯楷醫師的完整版長文〈2027 醫療 AI 藍圖〉。
骨科・陳昱傑醫師
親筆撰寫・授權聯合著作
我是骨科專科醫師陳昱傑。展望 2027 年，我期待醫療 AI 能走進病人的日常生活。長輩在家走路、上班族久坐、病人每天做復健，都是 AI 有機會幫上忙的地方。
第一是跌倒預防。未來透過智慧手錶、智慧鞋墊或居家感測設備，AI 有機會從步速變慢、左右腳受力不均、起身不穩等變化，提早提醒跌倒風險。如果還能結合家中動線與照明，提供環境調整、肌力及平衡訓練建議，我們就有機會把預防做在受傷之前，幫長輩保住自由活動的能力。
第二是骨質疏鬆。我看好 AI 協助整合既有影像、骨密度、骨折史與生活習慣，找出需要關注的高風險族群，並把照護延伸到飲食、運動、服藥及回診提醒。骨鬆平常往往沒有感覺，如果 AI 能讓病人看懂自己的風險，知道今天可以做些什麼，骨骼保養就更容易成為生活習慣。
第三是姿勢與居家復健。未來透過手機鏡頭，就有機會分析坐姿、走路與運動時的動作，提醒哪裡出現代償、哪些動作需要調整。我期待 AI 能依照個人的治療計畫給予即時回饋、記錄練習進度，讓病人回家後也有方向，不必等到下次回診，才發現自己練了半天卻沒抓到重點。
我也期待穿戴裝置、智慧居家與數位復健服務能彼此串聯，把這些日常紀錄帶回診間。病人可以更清楚掌握自己的變化，醫師也能看見兩次回診之間發生了什麼。對骨科病人來說，能持續走路、出門、做自己想做的事，就是我最希望 AI 幫忙守住的生活。
陳昱傑醫師｜骨科專科醫師｜陳昱傑骨科診所
延伸閱讀：陳昱傑醫師的完整版長文〈AI 如何幫骨科病人做更好的決定？從膝蓋退化、手術評估，到跨科照護的 2027 展望〉，從膝關節退化、下背痛與腳麻、手術評估一路談到跨科照護，附 11 筆參考文獻，並回連本文。本段原文同步刊登於陳昱傑骨科診所官網〈2027 年，我期待 AI 如何改變骨科病人的日常？〉。
兒科・許永政醫師
親筆撰寫・授權聯合著作
我是兒科專科醫師許永政。從臨床經驗來看，我覺得 2027 年醫療 AI 最值得期待的，不是它能回答多少醫療問題，而是能不能真正進入孩子每天的生活，幫家長更早發現問題。
例如未來透過 AI 智慧鏡頭或居家感測設備，在幼兒還不太會表達不舒服時，就能從活動力、呼吸型態、精神狀態等變化，提醒家長孩子可能有發燒、喘、意識變差等警訊，及早就醫。
另一個很實用的方向，是協助家長評估孩子的成長與發展。很多家長會擔心語言、動作、身高體重是否正常，AI 可以協助長期記錄與比對，提醒哪些變化值得進一步評估。
營養也是我很看好的應用。未來家長只要用 App 拍下孩子一餐的內容，AI 就能協助分析蛋白質、蔬菜、澱粉與微量營養素是否均衡，讓飲食建議更具體。
另外，預防接種其實也很適合導入 AI。它可以依照孩子年齡、病史、既往疫苗紀錄與家庭需求，協助規劃個人化疫苗時程，並主動提醒施打時間。
我期待的 AI，不是取代兒科醫師，而是幫家長更早看見問題，也讓醫師能掌握更多孩子在診間之外的健康資訊。
許永政醫師｜小兒科專科醫師・小兒胃腸專科醫師・晴朗親子診所院長
中醫兒科・李俊廷醫師
親筆撰寫・授權聯合著作
我是艾苜中醫診所的李俊廷醫師，我想提醒大家，醫療 AI 很會整理資料，但摘要不等於臨床判斷；未來真正重要的能力，是醫師能不能成為 AI 的「指揮官」。
AI 可以當第二雙眼睛，但不要讓它變成最後一顆腦袋。AI 最可怕的，不是「不知道」，而是「不知道自己不知道」。更多的內容，請看我的下方延伸閱讀文章。
李俊廷醫師｜中醫師｜艾苜中醫診所
延伸閱讀：李俊廷醫師的完整版長文〈2027年的醫療AI會走向哪裡？我更在意的，是誰能成為AI的「指揮官」〉。
復健科・顏韻珊醫師
親筆撰寫・授權聯合著作
我是顏韻珊，復健科專科醫師，在嘉義與骨科專科醫師一起經營一間診所。復健科有個特別的地方：病人問 AI 的是「我得了什麼病」，走進我診間問的常常是另一件事——「我還能不能自己爬樓梯」「還能不能抱孫子」「還能不能回去打球」。AI 很會回答第一種問題；第二種問題沒有標準答案，因為那不是病名，是這個人的生活。治療目標要訂在「病好了」還是「生活回來了」，做法會完全不同，而這個目標，是醫師和病人坐下來一起訂的。
我最期待 AI 幫忙的，是診間外的那六天。復健的勝負從來不在診間裡的一小時，而在回家後有沒有練、練得對不對。動作辨識與穿戴裝置若能把這六天變成看得見的紀錄，下次回診我們就不必從「最近有沒有做」問起，而是直接討論「為什麼第三天之後停了」。已有第一級證據顯示，有物理治療師遠端監督的虛擬復健，療效可以不輸面對面——關鍵字是「有人監督」，不是「有影片」。
我們診所已經在用 AI 做骨質密度檢查，當次門診就知道結果；但解讀數字、決定治療的，永遠是醫師。我對 2027 的期待很簡單：機器把量測與記錄接走，醫師把省下來的時間放回傾聽與判斷。復健醫學的本質，是陪一個人把功能練回來——這件事，AI 可以計步，沒辦法代走。
顏韻珊醫師｜復健科專科醫師・嘉韻骨科復健科診所院長
延伸閱讀：顏韻珊醫師的完整版長文〈復健科醫師看見的醫療 AI：AI 可以計步，沒辦法代走〉。
骨科・吳政誼醫師
親筆撰寫・授權聯合著作
2027 年，我期待 AI 幫病人做對「開不開刀」這個決定
我是骨科專科醫師，在嘉義的嘉韻骨科復健科診所看診。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。病人查證過再來診間，就不會花冤枉錢。
第三，幫病人記錄疼痛。病人常常只能說「就是一直痛」。如果有個 App，痛的當下記一筆，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。嘉韻骨科復健科診所已經把 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，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。
吳政誼醫師｜骨科專科醫師・嘉韻骨科復健科診所院長
延伸閱讀：吳政誼醫師的完整版長文〈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〉。
耳鼻喉科與大健康・劉宗瑋醫師
親筆撰寫・授權聯合著作
我是劉宗瑋醫師，我想從耳鼻喉科、抗衰老與體重管理門診出發，提醒 2027 年的醫療 AI 最務實的價值，會先出現在治療指引明確、資料可以結構化的疾病與健康管理場景。像糖尿病、高血脂、抽血數據與用藥資訊，AI 能協助民眾先理解大方向，也能幫醫師更快對照最新指引。
想給醫界與民眾一個貼心提醒，AI 給的是資料庫整理後的參考，不一定等於這個人真正適合的答案。病人的感受、用藥後的身體反應、壓力與生活脈絡，仍然需要醫師在診療關係裡反覆確認。
我覺得這篇最有價值的提醒是：AI 越強，醫師越要守住主動思考、臨床判斷與醫病關係。這也是醫療 AI 進入診間後，每一位醫師都要守住的底線。更多的內容，請看我的下方延伸閱讀文章。
劉宗瑋醫師｜耳鼻喉科頭頸外科專科醫師・加恩聯合診所
延伸閱讀：劉宗瑋醫師的完整版長文〈醫師觀點｜2027 年 AI 如何改變醫療與大健康〉。
眼科・張聰麒醫師
親筆撰寫・授權聯合著作
我是眼科專科醫師張聰麒，遠見眼科總院長。
眼科大概是 AI 最早走進診間的科別，因為我們的每一個診斷都是一張影像或一組數字：眼底照、OCT、角膜地形圖、角膜生物力學。2018 年美國 FDA 核准的第一個不需醫師覆核、可自主判讀的醫療 AI，判的就是糖尿病視網膜病變的眼底照；台灣自己的眼底 AI 也在 2021 年拿到食藥署許可。所以我談的不是預測，是已經發生的事。
在我的手術日常裡，AI 早就在做決定了：近視雷射能不能做，靠的是 Pentacam 加 Corvis ST 以機器學習建立的角膜擴張風險指數；白內障人工水晶體的度數，也有 Hill-RBF 這類 AI 公式在算。這些它算得比任何一位醫師的記憶都準。
但它算不出另一件事：這個人該不該做、該做哪一種。同樣 52 歲、同樣老花，一個整天看設計圖，一個每晚開夜車，答案完全不同。老花雷射還是三焦點水晶體？用一點夜間光暈換不戴眼鏡，值不值得？這是判斷、是取捨、是一段坐下來把話講清楚的對話，然後還要有一雙手親自把它做好。我為超過五百位醫師同行動過手術，這兩年他們走進診間前也都先問過 AI 了——他們缺的從來不是答案，是替自己的眼睛下決定的那個人。
2027 我最期待兩件事。第一，「眼睛是全身的窗口」成真：從一張眼底照估算心血管風險、腎功能甚至神經退化，研究已經走到視網膜基礎模型；每年一張眼底照加一次 OCT，會是你最便宜、資訊最密的健康資料資產。第二，診間之外的追蹤：黃斑部病變患者在家自己做、由 AI 判讀積液的 OCT，美國 2024 年已核准；控制近視的孩子，由穿戴裝置記錄近距離用眼與戶外時間。下次回診談的不再是「感覺有沒有變差」，而是真正的變化曲線。遠見眼科自己也正在把 AI 放進看診前的問診整理與術後衛教。
給民眾三個提醒：突然的閃光、飛蚊暴增、視野缺角或視力驟降，不要問 AI，二十四小時內找眼科，AI 看不到你的眼底；每次的度數、眼底照、OCT 都存下來，它們會跟著你一輩子；手術諮詢前用 AI 列好問題，但適不適合開，是儀器數據加醫師判斷決定的，不是聊天決定的。
AI 會讀片、會算度數，未來也會比我更早看見風險。但決定要不要開、開哪一種，然後親手把它做好、陪你走過術後適應期的，還是醫師。
張聰麒醫師｜眼科專科醫師・遠見眼科總院長（台北101旗艦、竹北高鐵、新竹關埔）｜遠見眼科
婦產科與女性平衡醫學・周維薪醫師
親筆撰寫・授權聯合著作
AI 不會取代醫師，它只會非常安靜地，把醫師與醫師之間的差距，一年一年拉大。
我常用一個比喻：AI 很像一把非常好的內視鏡。器械本身再精密、畫面再清楚，真正決定結果的，還是握著它的那雙手知道要往哪裡看、看到什麼要停下來。把最先進的內視鏡交給沒進過開刀房的人，他看到的只會是一片粉紅色的組織，而不是那顆該處理的病灶。
AI 給出的鑑別診斷清單通常是「教科書順序」，但真實的患者很少長成教科書的樣子。她可能主訴是掉髮，真正的線索卻藏在她隨口提到的「最近吃很飽還是餓」。這些線索之所以會被撿起來，是因為醫師心裡有一整片曾經走過的地形圖。所以我認為，AI 對醫師來說是觸手、是延伸，讓您本來就會的事情做得更快更廣；但它伸不出您自己沒有的那一段。
而醫師真正的優勢，是可以把經驗餵回去。當您知道自己門診裡有哪幾種常見的失衡組合，您就知道該叫 AI 幫您整理哪些方向、該質疑它哪一句話。於是經驗變成提問的品質，提問的品質變成 AI 的產出品質——這是一個會複利的循環。
我完全支持大家在看診前先問 AI，但有兩個盲點要先知道。顆粒度：AI 只能處理您給它的描述，而「我最近很累」這句話在醫學上可以指向至少二十種完全不同的方向，您只會寫下您意識得到的那個版本。全局：人體的失衡幾乎不會只發生在一個系統，但 AI 的對話是一題一題來的；它很擅長回答您提出的問題，卻不擅長決定「這個人現在最該被問的是哪一題」。
所以我的建議是：把 AI 當成診前的助理，不是主治醫師。看診前先問 AI 很好，這會讓您在診間裡問出更精準的問題；但別讓它替您下結論。
周維薪醫師｜婦產科專科醫師・初悅婦研婦產科診所院長
延伸閱讀：周維薪醫師的原文〈AI 不會取代醫師，只會拉開醫師之間的差距〉。
精神科・鄭晴醫師
親筆撰寫・授權聯合著作
我期待 AI 幫病人說清楚「這陣子怎麼了」
在精神科門診，病人真正的變化多半發生在兩次回診之間，回診時卻很難完整說清楚。我期待 2027 年的 AI，能在病人同意且隱私受到保障的前提下，從四個方向幫上忙。
第一，把「最近不太好」整理成說得清楚的時間軸。協助病人記錄睡眠、情緒、用藥、副作用與生活事件，讓醫師和病人一起核對：變化從什麼時候開始、調藥後改善了什麼，以及哪些不舒服需要進一步評估。
第二，讓值得注意的變化更早被看見。如果工具經過驗證，能比較病人自己的長期紀錄，就有機會在睡眠、活動或情緒明顯改變時，提醒病人提早聯絡治療團隊。
第三，讓病人更清楚自己在選什麼。AI 可以協助整理藥物、心理治療、TMS 與生活調整等介入方式，幫病人釐清最在意的問題，例如能否正常工作、治療如何配合生活，再帶進診間，和醫師共同討論。
第四，把衛教延伸到回家以後。我期待 AI 能依據診所審核過的內容，協助病人理解治療期間的不適與注意事項，清楚說明何時應聯絡醫療人員、何時需要立即就醫，並在出現危機時引導病人尋求醫療協助。
我期待 AI 幫忙記錄、整理與提醒，讓醫師少花一點時間追資料，多花一點時間理解病人。醫療判斷與危機處理仍須由專業人員負責，治療選擇則由醫師和病人共同討論，讓下一次回診能從更清楚的生活紀錄出發，一起決定接下來怎麼走。
鄭晴醫師｜精神科專科醫師・好晴天身心診所院長（台中）
延伸閱讀：鄭晴醫師的完整版長文〈2027 年，我期待 AI 幫病人說清楚「這陣子怎麼了」〉。
小兒心臟科・陳品宏醫師（Dr. Paul）
節錄自醫師本人公開文章・已回連原文
身為一位小兒心臟專科醫師，我愈來愈明顯地感受到：AI 正在改變民眾認識疾病、尋找醫療資訊，以及選擇醫師的方式。過去身體不舒服時，大家習慣先打開 Google 搜尋；但到了 2027 年，生成式 AI 很可能成為許多人的第一個健康資訊入口。患者來到診所之前，可能早已先問過 AI「這個症狀可能是什麼疾病」「應該掛哪一科」，甚至進一步搜尋過醫師的專業背景與發表過的文章。這代表 AI 影響的不只是醫療知識，也正在重新塑造醫師與患者建立信任的過程。
但醫療並不是單純的知識問答。同樣是胸痛，可能來自肌肉拉傷、胃食道逆流，也可能與心臟或肺部疾病有關；同樣是孩子活動力下降，有時只是睡眠不足，也可能是感染、貧血或心臟功能異常的警訊。真正的診斷往往來自醫師對整體狀況的判斷，包括孩子的精神與活動力、呼吸型態、臉色、心音、脈搏，以及疾病隨時間變化的過程。這些細微但重要的線索，不一定能透過文字完整傳達給 AI。
看報告也是一樣：數據正常不代表一定沒有疾病，數據異常也不一定代表需要治療。真正重要的，是如何把報告放回患者的整體狀況中解讀。
給家長一個明確的界線：若出現呼吸困難、意識改變、胸痛、嘴唇發紫、持續高燒、抽搐或精神活動力明顯下降等警訊，不應繼續在線上搜尋答案，而應儘速就醫。
未來可能不是「AI 取代醫師」，而是懂得善用 AI 的醫師，逐漸改變醫療服務的方式。AI 可以快速整理數據，卻不一定能看見一位家長眼中的焦慮。它可以成為健康路上的助手，但不應成為唯一的答案。
陳品宏醫師｜兒科專科醫師・小學堂兒科診所（高雄）
延伸閱讀：陳品宏醫師的完整版長文〈當 AI 走進診間：從小兒心臟科醫師的視角，看見 2027 醫療新趨勢〉。
整形外科與醫學美容・周余諭醫師
節錄自醫師本人公開文章・已回連原文
這一年，我自己使用人工智慧（AI）的頻率愈來愈高。查文獻、整理醫療資料、寫文章、準備病人衛教、分析照片、整理工作流程，甚至經營與行政上的事情，我都開始讓 AI 參與。所以我並不排斥 AI。相反地，我認為未來幾年，AI 一定會大幅改變醫療。
但當我自己愈來愈常使用 AI，也愈來愈清楚一件事：AI 對醫療最大的影響，可能不是「它會不會取代醫師」，而是它會逼著我們重新回答：一個好的醫師，真正不可取代的價值到底是什麼？
AI 最先取代的，可能不是醫師，而是醫療裡大量低效率的工作。如果問我未來一兩年，AI 最快改變整形外科的地方，我反而不認為是「AI 幫病人開刀」。最先被改變的，應該是手術前後大量重複性的工作。這件事情我其實非常樂見。因為如果 AI 可以幫我少花一個小時整理資料，我就可以把那一個小時拿回來做真正需要醫師的事情——診斷、手術、處理併發症、與病人討論治療選擇，以及做最後的醫療判斷。
病人拿 AI 的答案來問醫師，我其實不排斥。病人願意先做功課，本身不是問題。真正重要的是：你看到的這個答案，它的資料來源到底是什麼？大型語言模型非常擅長把大量資訊整理成一個流暢、完整，而且看起來很有自信的答案。但「講得很像真的」，和「這個答案有足夠醫學證據支持」，其實是兩件完全不同的事情。一項研究測試整形外科網站上的 AI 客服機器人處理不同急迫程度的案例，對一般選擇性問題表現相對較好，但在真正緊急的案例裡，敏感度只有 20%、偽陰性率高達 80%——也就是五個真正需要緊急處理的案例中，可能漏掉四個。
整形外科還多了一個更難量化的問題：什麼叫做「好看」？AI 當然可以幫我們量很多東西：對稱度、角度、比例、五官距離、臉部標記點。AI 比較容易學會「什麼接近平均」，但美容外科醫師真正要判斷的是：這個人為什麼不應該變成平均。有時候技術上明明可以再做更多，我反而會建議病人停在這裡。因為再多一點，可能左右更對稱，卻少掉了原本的特色。所以我一直認為，美容外科不是把一張臉修改到最標準，而是：讓一個人變得更好看，卻仍然像他自己。
AI 術前模擬愈來愈漂亮，也可能帶來新的問題。英國美容整形外科醫師協會（BAAPS）主席 Nora Nugent 等醫師在 2026 年就談到，愈來愈多病人開始帶著 AI 修過的自己來諮詢，希望醫師把真人做到和生成圖片一樣。問題是：AI 可以任意修改每一個像素，手術不行。真人有骨頭、有肌肉、有脂肪、有皮膚、有神經、有血管，也有左右天生的不對稱、疤痕反應與每個人不同的癒合過程。所以我會把 AI 術前模擬定位成：溝通工具，而不是手術保證書。
過去大家可能把醫師的價值想成「他知道很多東西」。但未來「知道很多東西」會愈來愈便宜。所以醫師真正的價值會逐漸從「擁有知識」，轉變成：知道哪些知識值得相信、知道它適不適用在眼前這個人、知道什麼時候不應該照著標準答案走，並且有能力承擔最後的結果。
而在一個答案愈來愈便宜的年代，真正昂貴的，可能會是判斷。
周余諭醫師｜整形外科專科醫師・國軍左營總醫院整形外科（高雄）
延伸閱讀：周余諭醫師的完整版長文〈2027，AI 會怎麼改變整形外科與醫學美容？〉，文中附有八筆文獻來源，包含 2026 年《Aesthetic Surgery Journal》關於 AI 在整形外科應用的回顧與美容手術 AI 系統性回顧。
兒童遺傳代謝科・梁盛賓醫師（大花醫師）
節錄自醫師本人公開文章・已回連原文
我是兒童遺傳代謝科醫師梁盛賓，大家叫我大花醫師。平常關注孩子的生長、青春期、肥胖，以及遺傳代謝疾病。最近與 Codex、Claude Code 一起做的事情——整理衛教文章、修改網站、開發互動工具，還有生長主題遊戲——讓我對 AI 的期待也變了。我認為，2027 年會有更多醫療人員，把自己的照護想法做成工具。這是我與 AI 合作後，感受最深的改變。
醫師可以更早參與，也可以改得更細。醫師在工作中會遇到很具體的需求，一份難填的表單、一段常要重新解釋的衛教，或散落在不同地方的紀錄，都可能成為工具的起點。與 AI 合作，讓我可以把需求說出來，先做出一個版本，再看著成果修改：這個按鈕放在哪裡，家長才找得到？身高預測的結果要怎麼呈現，才能一起看懂範圍與影響因素？手機上的文字太擠，要怎麼調整？這些問題很細，卻直接影響工具好不好用。我預期，未來會出現更多這樣的小工具，可能服務一個專科、一間診所，甚至只解決某個反覆出現的問題。規模不大，也可能值得每天使用。
兒童健康，特別需要把時間放進來。孩子的身高紀錄可能在學校通知單上，檢查報告放在另一個資料夾，睡眠與飲食的變化則留在家長的印象裡，到了回診前還得重新拼湊。如果有一個工具，能把這些資料依時間排好，保留量測日期與原始紀錄，家長就更容易回想：這段時間發生過什麼？哪些習慣變了？我認為，2027 年的健康 AI，會更常被用來處理這種持續累積的資料。它的價值會出現在兩次看診之間，協助家庭記錄，也讓下一次討論更有內容。
做遊戲，讓我重新思考衛教。寫文章時，我會想怎麼把觀念講清楚；做遊戲時，還得想：孩子為什麼願意繼續玩？他現在想知道什麼？角色如果一直講道理，很快就像把衛教文章搬進對話框。畢竟，把文章寫得更完整，和讓人願意看完、願意使用，是兩份不同的功課。
哪些健康產業值得注意？我會先看能把家庭、醫療人員與日常紀錄接起來的服務。營養、運動與睡眠也有發展空間——健康建議最後要放進一個家庭的作息裡，孩子幾點放學、誰準備晚餐、家長何時下班，都會影響執行。另一個值得投入的方向，是醫療知識的整理與維護：衛教文章、常見問題、工具說明與研究來源，需要有人持續更新。
民眾可以從一次看診開始使用 AI。把症狀、時間與做過的處理寫下來，請 AI 依日期整理，最後列出看診時可以討論的問題；看診後，再把已確認的醫囑整理成清單。涉及藥物劑量或治療調整，則帶回診間確認；上傳資料前，先移除姓名、病歷號等識別資訊。
梁盛賓醫師｜兒童遺傳代謝科醫師・大花醫師官方網站（新北新莊・台北大安）
延伸閱讀：梁盛賓醫師的完整版長文〈我看見的 2027 醫療 AI：醫師的想法，開始做得出來〉，寫他與 Codex、Claude Code 合作整理衛教、改網站、做生長主題遊戲的過程，以及他期待的 2027，並在文首回連本文。
胸腔內科與重症醫學・何建輝醫師
節錄自醫師本人公開文章・已回連原文
現在多數通過查驗登記的 AI 醫材，處理的是單一時間點的單一模態：一張 CXR、一次 LDCT、一段 ECG。
但我們的臨床推理從來不是這樣運作的。一顆 6mm 的肺結節，本身沒有意義；它跟兩年前那張片子比起來變大了沒有，才有意義。
2027 值得看的，是能吃「多時間點＋多模態」的模型——影像、檢驗、用藥、生命徵象串在一起。技術上已經不是問題，卡住的是資料治理和院內系統整合。
一個會一直響、又常常響錯的警報，臨床上的淨效果可能是負的——因為它訓練我們忽略警報。
2027 我想看到的不是更高的 AUC，是更好的 陽性預測值 (Positive Predictive Value)、更低的警報負荷、以及願意公開外部驗證數據的廠商。
病人查得越多，往往越焦慮，而不是越理解。他們拿到的是一段沒有前後文、沒有身體檢查、沒有病史的通用答案。
所以我現在會反過來問診：「你上網查到什麼？哪一段最讓你擔心？」——這比直接否定有效得多，也能快速定位他真正的恐懼在哪裡。
AI 給的是機率，我們給的是脈絡。這兩件事不衝突，但只有我們能做後者。
真正該擔心的不是 AI 取代醫師。是我們把判讀外包出去之後，年輕一代的臨床直覺還來不來得及養成。
何建輝醫師｜胸腔內科・重症醫學專科醫師｜安南醫院內科加護病房主任・胸腔內科 何建輝醫師官方網站
延伸閱讀：何建輝醫師的完整版長文〈2027 的醫療 AI：我不擔心 AI 取代我，我只擔心我們用錯地方〉，另談環境式病歷記錄的實證、給付與監管，並在文中回連本文。他在白袍人生學院的公開足跡，見〈白袍人物誌：何建輝醫師〉。
物理治療・曾琴雁物理治療師
節錄自本人公開文章・已回連原文
孩子在診間學會的矯正動作，回家後能不能做對，是我一直很關注的事。我是曾琴雁，BSPTS 官方認證講師、物理治療師。我期待 2027 年的 AI，不是取代專業，而是讓側彎照護更連續，讓孩子在日常練習中少一點落差。
青少年原發性脊柱側彎，簡稱 AIS，目前尚無已證實能根治的特效藥。PSSE 是針對脊椎側彎特定的治療性運動，需依個別彎型進行三維自我矯正。在 BSPTS 教學中，我重視評估、hands-on 引導與反覆修正，因為動作看起來相似，不代表矯正方向、呼吸位置與出力方式都正確。
近年國際研究開始關注數位照護。2025 年一項 128 人單中心隨機試驗顯示，數位支持的居家 PSSE，六個月角度改善優於研究中的常規方案。這是數位照護的證據，不能直接等同於 AI 療效；2026 年另有 AI 療法試驗計畫，但目前仍待療效結果。
但我要提醒，AI 能否準確辨認細微代償，仍需臨床驗證。hands-on 引導、矯正判斷與臨場調整，仍應由專業人員負責。
我看好復健軟體、穿戴感測、4D 體態紀錄與醫療資料整合，因為它們有機會讓治療師少做重複整理，多做精準教學。我期待的進步，是孩子更清楚怎麼練，家長更明白怎麼追蹤，也讓診間的專業引導，真正延伸到每天的生活。
曾琴雁物理治療師｜物理治療師・BSPTS 官方認證講師・曾琴雁官方網站
延伸閱讀：曾琴雁物理治療師的原文〈AI 不會治好側彎，但可能讓孩子少錯過一次關鍵追蹤〉，文中附三篇文獻（含 2025 年發表於 JAMA Network Open 的隨機試驗），並在文末回連本文。
免責聲明：本文為醫療趨勢與專業觀點分享，不針對個別病情提供診斷或治療建議。文中收錄之各專科醫師與醫事專業人員觀點，由該位專業人員本人具名撰寫，代表其個人專業見解，不構成對本文其餘段落的背書。身體不適請至醫療院所就診，由醫師依個別狀況評估。
