當病人先問 AI，醫療現場改變的不只是知識取得，而是信任與責任的分配

AI 改變的不只是病人帶進診間的資訊量，而是病人對「這次看診應該得到什麼答案」的預期框架。這個預期一旦形成，就會影響醫病溝通的起點與走向，讓醫師要處理的不只是症狀，還有病人已經內化的解釋邏輯。

病人在就診前已經對自己的症狀形成了一套解釋。這套解釋來自 AI——準不準不確定，但結構完整、有邏輯、有細節。當醫師的判斷與 AI 的說法不同時，病人面對的問題就不再是「我的症狀是什麼」，而是「我要相信哪個答案」。

問題不是 AI 干擾了醫療，而是 AI 在問診前就已經建立了一個難以忽略的參考框架。病人的預期是按照 AI 的邏輯校準的，醫師要改變這個框架，需要的不只是正確答案，而是足夠的溝通空間與信任基礎。

往下追原因：AI 提供答案的速度遠快於建立醫病信任的速度。當資訊供給的效率超過了信任建立的速度，預期框架就會在信任形成之前就先定型。問題根源不在 AI 有沒有給出正確答案，而在於 AI 提供答案的方式——語氣確定、有條理、不帶不確定性——與臨床判斷的本質——需要鑑別診斷、排除假設、接受不確定性——之間的本質差異，病人在使用前往往沒有被清楚說明。

醫師面臨的挑戰不是資訊量不足，而是溝通流程被重組了：問診原本從症狀描述開始，現在要先處理病人已有的解釋框架。這個額外的工作不會出現在醫療費用裡，卻實際消耗了問診的時間與信任建立的空間。

2024 年，Reuters 的調查報導訪談了多位基層與專科醫師，記錄他們如何應對越來越多「帶著 AI 診斷結論來看診」的病人。報導中，醫師描述了幾種常見的情境：

• 病人認定自己得了某個疾病，問診目的不是釐清症狀，而是要求醫師「確認 AI 說的是否正確」
• 病人拒絕接受與 AI 不同的診斷建議，質疑醫師的判斷是否已落後於 AI 的知識庫
• 病人用 AI 建議的治療方案主導討論，把醫師的角色縮限為執行端

這些情境的共同點不是病人變得難溝通，而是溝通的起點已經不同了。醫師需要先花時間釐清 AI 說了什麼、病人從中得到了什麼結論，然後才能回到實際的臨床判斷。

DTC（direct-to-consumer，直接面向消費者）健康平台從流程設計的角度，把「等待看診」這個摩擦點移除了。代價是原本存在於等待過程中的評估時間——而這段時間在傳統問診中，是醫師建立初步判斷、排除風險的關鍵環節。

Eucalyptus 是澳洲的 DTC 健康平台，主打慢性病管理，包括減重、睡眠、皮膚、荷爾蒙等。病人填寫問卷、由醫師審核後即可線上取得處方，整個流程不需要實體就診。GLP-1 類藥物（如 semaglutide，商品名 Ozempic、Wegovy）作為減重藥物在歐美快速普及後，這類平台迅速成為主要的 GLP-1 處方管道之一。

這個模式的核心設計邏輯是：把問診從「面對面診斷行為」轉成「資料審核行為」。這讓服務效率大幅提升，但同時也讓「診斷」和「審核」這兩件性質不同的事情，在用戶體驗上變得無法區分。先把角色分清楚，後面就會比較好理解服務邊界在哪裡：

服務定位是核心問題，不只是法規遵循問題。零售、健康管理、醫療服務三者的責任邊界、監管框架和服務承諾各不相同，但在實際的用戶體驗上，界線很容易模糊——而且越成功的平台，這個模糊的範圍通常越大。

當一個平台同時提供「健康資訊」「行為追蹤」「AI 健康建議」「醫師諮詢」「處方取得」時，每個功能對應的責任框架其實不同，但從用戶角度看，這是一個無縫的服務流程。用戶很難在使用當下區分自己正在接受哪種服務，也就很難形成對應的責任認知。

這裡常常會把問題、原因和方法混在一起談。問題是：服務邊界不清楚。原因是：平台在擴張服務的過程中，為了降低用戶摩擦，刻意淡化了不同服務性質之間的界線，讓整個流程看起來像是一個連續體。方法上有幾個選項：明確的服務分層說明、適合不同情境的轉介設計、清楚且具體的服務邊界說明。

更好的做法，不只是在使用條款裡保護平台，而是在設計層面讓用戶能夠分辨「這個功能在做什麼、適合什麼情況、有哪些我應該要知道的限制」。

WHO 的數位健康指引明確指出，數位健康工具的設計者對工具的應用場景和限制負有說明責任，特別是當工具輸出的內容可能被用於臨床決策時。這不只是法規遵循問題，而是設計倫理的基本要求。（參考：WHO Global Strategy on Digital Health 2020-2025）

最根本的挑戰不在技術能力，而在責任結構的重新設計：當資訊流從多個管道匯入、問診流程被拆解重組，原本清楚的責任鏈就出現了空白地帶。這些空白地帶不會因為服務設計更精良而自動填補，需要明確地被承認、被定義、被設計進去。

AI 問診和 DTC 模式帶來了幾個具體的責任空白：

AI 建議出錯時，誰負責？ 大部分 AI 健康工具的使用條款都明確說明「這不是醫療建議」，但從用戶行為觀察，多數人仍然把 AI 的輸出當成診斷參考。責任聲明與實際使用行為之間存在系統性落差，而這個落差是設計上預期外的使用模式，不是個別用戶的問題。

DTC 平台的醫師，實際負責什麼？ 多數 DTC 平台的醫師負責審核，但審核的深度和標準往往依賴平台的流程設計，而非完整的臨床判斷框架。當審核流程本身有缺陷時，責任應該由醫師、平台還是用戶承擔，通常沒有清楚的答案。特別是在跨國 DTC 服務的情境下（如使用境外平台取得 GLP-1 處方），監管管轄的問題更難釐清。

最好的做法不是把責任推回給單一角色，而是設計能夠承接這些責任空白的機制——讓每一個責任邊界清楚、讓每一個轉介節點有人接手、讓用戶在使用任何功能前都能理解「這裡的責任由誰承擔」。

醫療體系需要準備的，不是「如何讓 AI 更準確」，而是「如何在 AI 已經成為病人第一個資訊來源的現實下，重新設計信任建立的機制與責任歸屬的路徑」。這是架構問題，不是單一技術問題，所以需要從整個生態系的角色分工來回答。

反過來從流程看，會更清楚。

病人先問 AI、帶著答案進診間，這個現象本身沒有好壞。問題在於，整個醫療生態系有沒有準備好承接這個改變：醫師有沒有時間和工具來處理「已有預設答案的病人」；DTC 平台有沒有清楚定義自己在哪裡結束、哪裡需要轉介給傳統醫療；用戶有沒有能夠判斷不同服務性質的知識框架。

這件事不能只看單一面向。AI 工具的設計者、DTC 平台的服務架構師、臨床醫師、監管機關，各自面對的問題不同，但核心都指向同一個根源：當資訊流和服務流都被 AI 和平台重新設計了，信任的建立機制和責任的歸屬路徑也需要一起重新設計，而不是沿用舊的框架強行套用。

最好的做法，是從架構層面承認這個改變，然後為改變後的生態系設計對應的機制，而不是等問題出現了再補救。