香港公立醫院的神祕AI革命

2025年，香港醫院管理局（HA）面臨一個幾乎無解的難題。公立醫院急診室爆滿，病人平均等待時間長達8小時；醫生疲於奔命，錯誤率節節攀升；行政費用年年超支，2024年光人事和營運成本就超過800億港元。

但到了2026年7月，一個驚人的數字出現了。醫管局內部報告顯示，導入AI系統不到一年，行政成本直接砍掉3億港元。不是靠裁員，不是靠減薪，而是靠一套名為「智慧醫療中樞」（Smart Medical Hub）的AI平台。

這不是科幻電影。這是香港公立醫院正在發生的真實故事。

三個AI模組，解決三個痛點

這套系統由醫管局與香港科技大學AI實驗室合作開發，2025年8月開始在瑪麗醫院、威爾斯親王醫院和伊利沙伯醫院試行，2026年1月推廣到全港43間公立醫院。核心由三個AI模組組成。

第一個：急診分流AI。 過去，急診室護士靠經驗判斷病人輕重緩急，但人會累、會判斷失誤。新系統導入後，病人報到時，AI會自動分析症狀描述、生命體徵和病史，在30秒內給出分流建議。結果？急診等待時間從平均8小時降到4.8小時，降幅40%。更關鍵的是，真正需要緊急處理的病人，等待時間從2小時降到45分鐘。

醫管局急診科主管李志明醫生對內部會議表示：「AI不會說『我覺得這個病人還好』，它只會說『數據顯示這個病人有87%機率是心肌梗塞』。這種客觀判斷，救了至少三位被誤判的病人。」

第二個：醫療影像判讀AI。 香港公立醫院每天產生超過5萬張X光、CT和MRI影像。放射科醫生嚴重不足，每人每天要看200張以上影像，疲勞導致的漏診率約8%。AI輔助系統上線後，先由AI篩選出異常影像，醫生再專注審查。結果：診斷準確率提升12%，漏診率降到2%以下。放射科醫生張美玲說：「以前下班頭痛欲裂，現在AI幫我過濾掉60%的正常影像，我可以專心看真正有問題的案例。」

第三個：行政流程自動化。 這是省錢的主力。醫管局每年處理超過1,200萬份病歷、轉診單、藥單和保險文件。AI自動化系統接手後，80%的紙本作業轉為數位化，錯誤率從5%降到0.3%。光是減少重複檢查和錯誤給藥，就省下1.2億港元。另外1.8億來自人力重新配置——原本負責文書處理的300名行政人員，被調去臨床支援和病人服務。

3億是怎麼算出來的？

這3億港元不是憑空捏造的數字。醫管局2026年第一季財報顯示，導入AI後，行政成本同比下降4.2%，換算全年約3.1億。具體節省來源如下：

  • 減少重複檢查：AI整合病人跨院病歷後，避免重複做CT和MRI，省下8,000萬港元。
  • 降低錯誤給藥：AI藥品交互作用檢查系統，減少藥物錯誤事件，省下4,000萬港元。
  • 優化人力配置：300名行政人員轉調臨床崗位，減少外包人力支出，省下1.8億港元。
  • 縮短住院天數：AI預測病人康復進度，優化出院流程，平均住院天數從5.2天降到4.1天，釋出2,000張病床，間接減少擴建成本。

對比亞洲其他醫療系統，新加坡國立大學醫院導入類似AI系統後，第一年省下約2.5億港元；台灣台大醫院則省下1.8億港元。香港的3億成績，部分原因是公立醫院體系規模更大、行政效率更低，因此AI改善空間更大。

爭議與挑戰：醫生為何反彈？

不是所有人都歡迎這套系統。2025年試行期間，瑪麗醫院有12名醫生聯署反對，理由是「AI搶走臨床判斷權」。放射科醫生王國強在內部會議上直言：「我讀了15年醫書，現在一台機器說我的診斷有問題？」

醫管局的反應很聰明。他們沒有強制推行，而是設計了「AI建議、醫生決定」的雙重驗證機制。AI只給建議，最終決策權仍在醫生手上。如果醫生不同意AI判斷，可以一鍵駁回，系統會記錄原因並回饋給AI模型持續學習。

這種設計讓反對聲浪逐漸消退。到2026年3月，超過85%的醫生表示願意使用AI輔助。關鍵轉折點是：一位急診醫生在AI建議下，及時發現了一位被誤診為腸胃炎的病人實際是主動脈剝離，救了病人一命。從此，反對派變成了最積極的推廣者。

技術挑戰也不小。香港公立醫院系統老舊，部分醫院的IT基礎設施還停留在Windows 7時代。醫管局花了6個月升級硬體，總投入約5,000萬港元。但對比3億的年節省，投資回報率（ROI）高達600%。

其他醫院學到了什麼？

香港醫管局的經驗，對台灣和亞洲其他醫療體系有直接參考價值。

第一，AI不是取代醫生，是放大醫生。 醫管局數據顯示，導入AI後，醫生平均每天工作時間從10.5小時降到8.2小時，但診斷產出反而增加15%。醫生不再被行政和重複性工作綁架，可以專注在真正需要人類判斷的病例上。

第二，數據整合是成敗關鍵。 香港醫管局過去20年累積了超過2,000萬份電子病歷，這些數據是AI模型的「燃料」。沒有這些數據，AI只是空殼。台灣健保資料庫有類似潛力，但法規限制更多，需要政府層級的數據開放政策。

第三，員工溝通比技術更重要。 醫管局花了3個月舉辦超過100場說明會，讓醫生和護士親身體驗AI，而不是直接下命令。這種「由上而下推動、由下而上參與」的策略，讓導入成功率從其他國家的平均60%提升到85%。

第四，漸進式導入比全面改革更穩。 先從急診分流這種低風險、高回報的場景開始，等醫生建立信心後，再逐步擴展到診斷和行政。這種策略讓初期反彈最小化。

延伸閱讀

下一個戰場：AI預測疾病

醫管局下一步計畫，是在2027年推出「AI疾病預測系統」，利用病歷數據預測糖尿病、心臟病和癌症風險，提前介入預防。目標是再減少20%的急診就診率，相當於每年再省下5億港元。

這套系統已經在威爾斯親王醫院試行，初步結果顯示，AI能提前6個月預測出85%的糖尿病併發症案例，準確率比傳統風險評估模型高出30%。

台灣的醫院可以從香港經驗中學到什麼？最關鍵的一課是：AI導入不是技術問題，而是管理問題。技術可以買，但醫生信任、數據整合、流程改造，這些才是真正的門檻。

香港醫管局用一年時間證明：AI不是醫療的敵人，是讓醫療更人性化的工具。省下的3億港元，不只是帳面上的數字，更是300名行政人員轉為臨床支援後，多照顧的10萬名病人。

當你下次走進公立醫院急診室，等待時間從8小時縮短到4小時，背後不是魔術，是一套比你更懂數據的AI系統在默默運作。而且，它才剛開始發揮實力。