急診室裡最值錢的從來不是答案本身，而是答案出現得有多快。Harvard Medical School 這幾天公開的研究，把 AI 推進到一個很具體的位置：不是聊天、不是摘要，而是分診與診斷推理。研究團隊拿 OpenAI 的 o1 去比對真實急診個案，結果顯示它在初步判斷上，已經能和資深醫師正面交手，甚至在部分情境中更準。
這個結果之所以重要，不是因為它宣告「醫師要被取代」，而是因為它把 AI 的角色定義得更清楚了：先當第二雙眼睛，再慢慢侵入流程本身。Guardian 提到，研究裡一個案例是肺栓塞病人後來症狀惡化，醫師原本以為抗凝血藥沒效，AI 卻從病史裡抓到狼瘡線索，反而更接近真正原因。NPR 和 Vox 都強調，這類研究最有價值的地方，恰恰是它提醒醫療機構：AI 真能幫忙，但前提是放進受控流程，而不是直接放上第一線自動下判斷。
更值得注意的是，這場變化不是從「診斷」單點開始，而是從工作流開始。急診現場的壓力不是缺少資訊，而是資訊永遠不完整、時間永遠不夠。AI 在這種環境裡的優勢，不一定是比人更像神醫，而是比人更快把病歷、生命徵象、症狀敘述和可能病因掃成一張更完整的圖。TechCrunch 引述研究數字時提到，o1 在 76 個真實個案中，初診階段的 exact 或 close diagnosis 命中率達 67%，高於兩位醫師的 50% 到 55%。這種差距，放在急診情境裡，就是流程設計要不要重新想的理由。
但研究團隊自己也很保守。科技越接近醫療，越不能只看單次命中率。AI 沒有眼神、沒有肢體細節、沒有病人那一刻的驚慌，也沒有真實床邊工作的全部噪音。它更像一個把文字資料壓縮成建議的引擎，而不是一個能獨立承擔責任的臨床角色。這就是為什麼多家報導都把重點放在 clinical testing、accountability 和 human-in-the-loop：真正會改變醫療的，不是 AI 自己有多強，而是醫院願不願意把它接進既有流程，並且把責任邊界寫清楚。
所以這篇新聞的重點，與其說是 AI 贏了醫師，不如說是醫療 AI 的入口變了。以前大家討論的是模型能不能答題；現在問題變成，模型能不能先幫你分流、幫你提醒、幫你少漏一個不能錯過的診斷。那才是 AI 真正開始進入醫療體系的瞬間。
參考來源
- https://hms.harvard.edu/news/study-suggests-ai-good-enough-diagnosing-complex-medical-cases-warrant-clinical-testing
- https://www.science.org/doi/10.1126/science.adz4433
- https://www.theguardian.com/technology/2026/apr/30/ai-outperforms-doctors-in-harvard-trial-of-emergency-triage-diagnoses
- https://www.npr.org/2026/04/30/nx-s1-5804474/ai-doctors-openai-patient-care-diagnosis
- https://www.vox.com/health/487425/open-ai-chatgpt-diagnosis-symptoms-second-opinion-study
- https://techcrunch.com/2026/05/03/in-harvard-study-ai-offered-more-accurate-diagnoses-than-emergency-room-doctors/