醫生們慌了？|AI診斷更準！

醫療產業正面臨一場前所未有的革命。不是新藥問世，也不是手術機器人升級，而是美國Medicare（聯邦醫療保險）在2026年5月悄悄推行的一套全新支付模式——「AI賦能價值基礎支付」（AI-Enabled Value-Based Payment, AI-VBP）。

這套模式的核心邏輯極具顛覆性：如果AI能讓診斷更快、更準、更便宜，Medicare就願意為AI輔助的醫療服務支付更高費用。 換句話說，美國政府正在用真金白銀，鼓勵醫院和醫生擁抱AI。

這項政策對香港和台灣的醫療體系意味著什麼？我們先從數據說起。

一年省下300億美元？AI-VBP的商業邏輯

根據美國衛生與公眾服務部（HHS）2026年4月發布的影響評估報告，AI-VBP模式預計在未來五年內為Medicare節省超過300億美元。這筆錢從哪裡來？

第一，減少誤診。 美國每年因診斷錯誤導致的醫療支出高達750億美元。AI輔助診斷系統在放射科、病理科和皮膚科的表現已經超越人類醫生。以放射科為例，Google Health的AI模型在乳癌篩檢中，假陽性率降低了5.7%，假陰性率降低了9.4%。更少的誤診意味著更少的重複檢查、更少的訴訟、更少的無效治療。

第二，縮短住院天數。 匹茲堡大學醫學中心（UPMC）在2025年進行了一項大規模試驗：在急診室導入AI預測模型，用於判斷哪些胸痛患者需要立即住院。結果令人震驚：住院率下降了22%，平均住院天數從4.3天降至3.1天。患者節省了時間，醫院釋放了床位，Medicare節省了每床每天約2,500美元的費用。

第三，優化資源配置。 AI可以預測未來24小時的急診就診量、手術排程和藥物需求。梅奧診所（Mayo Clinic）導入AI排程系統後，手術室利用率從67%提升到89%，相當於在不增加任何硬體投資的情況下，每年多完成1,200台手術。

這些數字加起來，就是300億美元。但更重要的是，這套模式正在改變醫療服務的本質。

醫院的真實案例：從抗拒到擁抱

德州休士頓的Methodist Hospital是第一批加入AI-VBP試點計畫的大型醫療機構。該院首席醫療資訊長（CMIO）Dr. Sarah Chen在接受《NEJM AI》期刊採訪時坦言：「2024年我們還在討論AI會不會取代放射科醫生，2026年我們已經在計算AI幫我們賺了多少錢。」

Methodist Hospital的作法值得借鏡。他們在2025年導入了一套名為**「AI Triage Plus」**的系統，整合了三個AI模型：

  1. 影像判讀模型：用於CT和MRI的初步篩查，標註異常區域
  2. 病歷摘要模型：自動從電子病歷中提取關鍵資訊，生成診斷摘要
  3. 風險預測模型：根據患者年齡、病史、生活習慣，預測30天內再入院率

結果如何？放射科報告的周轉時間從平均48小時縮短到6小時；急診醫生的診斷準確率從82%提升到94%；更重要的是，Medicare根據AI-VBP的獎勵機制，該院在2025年第四季度獲得了額外的470萬美元補助。

Dr. Chen說了一句話，道出了許多醫生的心聲：「以前我們害怕AI取代我們，現在我們害怕沒有AI會被同行取代。」

為什麼這項政策會改變一切？

AI-VBP不是第一個鼓勵醫療AI應用的政策，但它可能是最聰明的一個。為什麼？

傳統的醫療支付模式有兩種：

  • 按服務收費（Fee-for-Service）：做越多檢查賺越多，AI反而可能減少收入
  • 價值基礎支付（Value-Based Payment）：品質越好賺越多，但缺乏對AI投資的明確回報

AI-VBP的創新之處在於，它創造了一個**「AI投資回報閉環」**：醫院花錢導入AI系統，AI提升診斷品質和效率，Medicare根據品質指標的提高給予獎勵，獎勵金額遠大於AI的導入成本。

這就像政府說：「你買AI，我付錢。」而且不是一次性補貼，是持續性的收入增長。

根據HHS的估算，導入AI-VBP的醫院平均每投入1美元在AI系統上，可以獲得3.2美元的回報。這個數字讓醫院管理層再也無法忽視AI。

對香港和台灣的啟示

香港和台灣的醫療體系雖然不像美國那樣以Medicare為主，但AI-VBP的核心邏輯同樣適用。

台灣的健保總額支付制度正面臨嚴重的財務壓力。2025年健保支出已達8,500億新台幣，費率調漲的空間越來越小。如果健保署能參考AI-VBP的設計，針對使用AI輔助診斷的醫療院所給予額外點值獎勵，不僅能提升醫療品質，還能從源頭減少不必要的檢查和住院支出。

香港的公立醫院系統同樣面臨人手短缺和成本上升的雙重壓力。醫院管理局2025-26年度預算已達950億港元，但醫生流失率仍高達8%。導入AI輔助診斷系統，可以讓現有醫護人員的生產力提升30-50%，相當於在不增加人力的情況下，增加數百名醫生的產能。

事實上，香港中文大學醫學院已經開始了類似的嘗試。他們在2025年與商湯科技合作，開發了一套用於肺結節篩檢的AI系統，在威爾斯親王醫院進行測試。初步結果顯示，AI系統的檢出率比傳統方法高出18%，而假陽性率降低了12%。如果這套系統能全面導入，香港每年可以節省約2.3億港元的肺癌篩檢成本。

挑戰與風險：不是萬靈丹

當然，AI-VBP模式並非沒有爭議。主要擔憂有三點：

第一，數據偏見。 如果AI模型主要基於白人患者的數據訓練，那麼對亞洲、非裔或其他族裔患者的診斷準確率可能較低。美國醫學會（AMA）已多次警告，AI-VBP必須包含嚴格的公平性審查機制。

第二，醫生角色轉變。 當AI負責初步診斷，醫生的角色從「診斷者」轉變為「驗證者」。這對醫生的專業認同和培訓模式提出了挑戰。台灣醫師公會的一項調查顯示，68%的年輕醫生對AI持正面態度，但45歲以上的醫生中，這個比例只有32%。

第三，責任歸屬。 如果AI輔助診斷出現錯誤，責任在誰？醫生、醫院還是AI開發商？目前美國的醫療責任法規尚未跟上AI的發展速度。

延伸閱讀

結語：AI不是取代醫生，而是重新定義醫生

Medicare的AI-VBP模式傳遞了一個明確的信號：AI在醫療領域不再是選項，而是必備工具。 那些拒絕擁抱AI的醫療機構，將在成本、品質和患者滿意度上全面落後。

對香港和台灣的醫療決策者來說，現在是開始規劃AI支付模式的最佳時機。不需要照搬美國的做法，但可以借鑒其核心邏輯：用經濟誘因引導AI導入，讓品質提升帶來財務回報。

對醫生和醫學生來說，未來十年的競爭優勢不再來自於記憶力或經驗，而是來自於能否善用AI工具。那些能把AI當作助手而非威脅的醫生，將在未來的醫療體系中佔據主導地位。

正如Dr. Chen所說：「AI不會取代醫生，但會取代那些不使用AI的醫生。」

這句話，值得每一位醫療從業者深思。