中醫 AI 值不值得信任？上線前該查清楚的六件事

中醫 AI 值不值得信任，不是看展示影片把脈把得準不準。要查六件事：辨證推理能不能被追溯、訓練資料的典籍出處站不站得住腳、藥材溯源與炮製記錄查不查得到、有沒有落入該有的醫療器材軟體分級、能不能跟健保與電子病歷體系對得上號、出事了責任算誰的。六件事全部查過，才算真的可信；缺一角，就只是一個包裝精美的黑箱。

中醫 AI 現在真的走到哪裡

先講現況，別被「中醫 AI」四個字的想像帶偏。台灣已經有商業化產品在跑：益謙公司與中華全球經脈臨床醫學會合作開發的 AI 脈診儀，已申請專利保護，透過中醫師社群開始銷售，應用場景涵蓋診所輔助診斷、患者居家自行量測、洗腎病患的安全監測，並與台灣醫學中心合作進行臨床試驗。這不是概念展示，是已經在收費、已經在病人身上量測的產品。

問題在於，我在衛福部食藥署公開的「核准應用 AI/ML 技術之醫療器材清單」頁面查過，這份維護到 2026 年 6 月的清單裡，看不到脈診儀或任何中醫辨證輔助產品的名字。一項已經在臨床試驗、已經在洗腎病患身上使用的量測設備，跟一份公開的醫材核准清單對不上號，這正是接下來六件事要逐條檢查的理由：不是這類產品沒有價值，是價值有沒有經過該有的把關，現在看不出來。

第一關：辨證推理能不能被追溯

我在先前那篇拆解中醫 AI 辨證推理黑箱的文章談過核心問題：若大型語言模型只學中醫診療紀錄、直接輸出辨證建議，使用者看到的只有結論，看不到「這個結論依據哪些規則推導出來」。這件事在醫療現場特別致命，因為臨床責任追溯要靠推理路徑，不是靠一句「AI 建議如此」。

這一關的檢查方法很具體：問開發商能不能把每一個辨證結論拆成明文規則（八綱辨證、臟腑辨證屬於哪一套框架）、能不能提供完整的判斷路徑紀錄。答不出來，就代表這套系統目前還停留在「黑箱輸出」階段，準確率數字再高都無法被臨床責任體系接住。

第二關：訓練資料的典籍出處站不站得住腳

比辨證邏輯更前面一關，是這套邏輯到底從哪裡學來的。中醫的知識體系建立在《黃帝內經》《傷寒雜病論》這類典籍與歷代醫案上，若一個大型語言模型宣稱「懂中醫」，它讀的是這些典籍的原文，還是網路上二手轉述、甚至是其他 AI 生成的內容再被拿去訓練？出處交代不清楚，辨證建議背後的知識來源就是一團模糊。

這件事並非做不到。華東師範大學、上海中醫藥大學等單位聯合發布的「數智岐黃」中醫藥大模型，訓練資料明確標示以《黃帝內經》《傷寒雜病論》等典籍與千餘部古籍文獻為核心，並建構出涵蓋逾 9000 種中藥材、逾 4 萬種中藥成分、逾 2000 種疾病、1000 萬個節點與 3.2 億個關係對的知識圖譜，公開揭露模型在中醫執業醫師資格模擬考試取得 66.91% 的成績。姑且不論這個模擬考分數本身能代表多少臨床能力，這個案例至少證明一件事：把訓練資料的典籍出處、知識圖譜規模、驗證分數攤開來給外界檢視，是做得到的，不是苛求。反過來看，一套中醫 AI 若連自己讀過哪些典籍、怎麼標註辨證規則都說不清楚，這一關就過不了。

第三關：藥材溯源與炮製，老問題還沒解決

這一關我在前一篇文章拆得比較細，這裡只點重點：AI 能不能辨識藥材真偽，取決於資料採集點設在供應鏈的哪一段。洗產地的造假手法連常規成分檢驗都測不出來，得靠化學指紋比對產地資料庫；「加料通過檢驗」則是針對指標成分濃度的檢驗邏輯設計的規避手段，全光譜化學指紋分析才抓得住。這兩個問題都不是「AI 準不準」能回答的，是供應鏈治理有沒有把可信的採集節點鋪到位。中醫 AI 若只在流通末端做辨識，藥材溯源這一關形同虛設。

第四關：中醫 AI 該不該被算進醫療器材軟體分級

台灣有一套現成的分級架構可以套用。食藥署的「醫用軟體分類分級參考指引」把軟體醫療器材分成三級風險，依臨床影響程度、使用情境與對病患的潛在危害來判斷，AI／機器學習相關軟體因為具有複雜性與黑箱特性，通常需要額外的驗證與確效評估。這份指引最近一次大幅修正是把日常健康促進類產品（如量測心率、血氧的穿戴裝置）排除在醫療器材管理範圍之外，讓業者不必為單純健康監測功能走完整查驗登記，用意是替低風險應用鬆綁。

問題是：一套宣稱能輔助辨證、判斷藥材真偽、甚至建議治療方向的中醫 AI，功能上明顯超出「健康促進」的範疇，理論上該落入需要查驗登記的那一級。但從公開資料看，我沒有查到 TFDA 對中醫 AI 這個類別訂出過專屬的分級案例或核准紀錄，前面提到的 AI 脈診儀也不在核准清單上。這代表現行分級架構理論上涵蓋得到，實務上還沒有中醫 AI 產品被明確歸類、走完整套驗證流程。監理空白不代表法規管不到，是還沒有人把它套上去。

第五關：能不能跟健保與 FHIR 病歷體系互通

中醫如果只在自己的系統裡打轉，跟現代醫學的資料完全兜不起來，臨床上就會出現一個病人、兩套互不對話的紀錄。台灣目前推動病歷互通的主力是衛福部的 FHIR Box 計畫，把資料轉換、儲存與交換功能整合於單一架構，並建立台灣核心資料標準 TWCDI 與實作指南，已完成逾 4700 項健保檢驗碼對應 LOINC（近 100% 涵蓋）、逾 6 萬 3 千項藥品對應 RxNorm，時程規劃 2025 年底先由長庚、馬偕、中山三大體系示範，2026 年底擴大到全台醫學中心，2027 年底納入區域與地區醫院。

我查過這篇報導與相關規劃內容，完全沒有提到中醫或中藥資料要被納入 TWCDI 或 FHIR Box 的整合範疇。這代表西醫的檢驗、藥品資料正在快速標準化互通，中醫的辨證紀錄、方劑處方目前不在這張時間表上。中醫 AI 如果想要跟病人的西醫用藥史、檢驗數據對照（例如提醒中西藥交互作用），現階段沒有標準化的資料管道可用，只能各自為政。

資料治理的另一半是誰能拿這些資料做什麼。立法院已在 2025 年 12 月 2 日三讀通過「全民健康保險資料管理條例」，賦予民眾得請求退出健保資料特定目的外利用，並訂定罰則，以竊取、毀壞或其他非法方法危害健保資料庫者可處一年以上七年以下有期徒刑。這套規範現在管的是健保資料，中醫診療資料若哪天要納入同一套治理框架，退出權與罰則怎麼套用，也是還沒被討論到的一塊。

第六關：出事了，責任算誰的

前五關都查完，最後一定會撞到這個問題：中醫 AI 給錯建議、病人因此受害，誰要負責？2026 年 7 月 12 日的第 26 屆台灣醫法醫政論壇正式把這個題目搬上檯面，設了「AI 導入中醫診療」專場，台北醫學大學何建志教授探討「AI 輔助診療衍生的法律責任」，政治大學陳俊元教授談「AI 醫療風險管理及責任歸屬」，健保署署長陳亮妤則說明健保正在導入 AI 風險預測與跨域數據整合。這場論壇的存在本身就說明一件事：業界與法界都承認這是個尚待解決的問題，不是已經有答案、只是沒人問。

學界目前提出的框架方向，中央研究院法律學研究所的分析主張把高自主性的動態 AI 比照醫學生訓練：上市前當作接受監管認可的教育與訓練，通過驗證才能上市，上市後持續監督，責任隨自主性提升而增加，這個思路把「AI 該不該負責」轉譯成「AI 該接受多少監督」，但開發者要不要承保醫療過失責任保險、醫療機構的監督責任邊界劃在哪裡，這篇分析本身也承認還沒有定論。回到中醫 AI 的場景，中醫師開立處方時若參考了 AI 的辨證建議，出了問題，責任在中醫師的臨床判斷、在系統開發商的演算法設計，還是在診所的導入把關，現行的醫師法框架沒有給出清楚答案，只能等前面提到的論壇與修法討論慢慢收斂。

把六件事收進一張檢查表

我在醫療資訊整合的工作裡，看過太多系統靠「準確率 90% 以上」的簡報數字說服客戶，卻答不出資料從哪來、出事找誰。中醫 AI 現在正處在同一個階段：技術能力進展得快，信任體系的六根柱子還沒有一根穩穩立好。

檢查點	該問的問題	台灣現況
辨證推理	能不能提供完整判斷路徑，而非只給結論？	多數系統仍是黑箱輸出，規則庫未明文化
訓練資料典籍出處	讀的是原始典籍還是二手轉述？	已有對照案例（數智岐黃）證明可公開揭露，多數台灣產品未見同等揭露
藥材溯源與炮製	資料採集點設在供應鏈哪一段？	末端抽檢為主，洗產地與加料造假難靠現行機制抓出
醫材軟體分級	診斷輔助功能有沒有落入 SaMD 查驗登記？	現行三級分級架構理論上涵蓋，實務未見中醫 AI 產品被明確歸類
資料互通	能不能跟健保、FHIR 病歷體系對接？	FHIR Box 時程排到 2027 年，中醫資料不在規劃範圍內
責任歸屬	出事了，中醫師、開發商、診所誰負責？	2026 年 7 月論壇才剛正式提出討論，尚無定論

這張表不是要否定中醫 AI 的價值，是把「值不值得信任」從一句模糊的感覺，拆成六個可以逐條追問、逐條驗證的問題。下次有人拿著一套中醫 AI 系統跟你說「準確率很高」，先問這六件事，答得出來的部分，才是真正站得住的信任。

常見問題

台灣現在有中醫 AI 產品在使用嗎？
有。益謙公司的 AI 脈診儀已透過中醫師社群銷售，應用於診所輔助診斷與洗腎病患居家監測，並與醫學中心進行臨床試驗，但目前未見列於 TFDA 公開的 AI/ML 醫材核准清單。

中醫 AI 屬不屬於醫療器材，該不該經過查驗登記？
依食藥署醫用軟體分類分級參考指引，具診斷輔助功能的軟體理論上屬於需要查驗登記的醫療器材軟體，但目前沒有查到中醫 AI 產品走完整分級核准流程的公開案例，屬監理實務尚未落地的空白地帶。

中醫的病歷資料能跟西醫的健保資料互通嗎？
目前不行。衛福部 FHIR Box 計畫的 TWCDI 標準與時程規劃裡沒有納入中醫或中藥資料，西醫的檢驗與用藥資料正在快速標準化，中醫資料現階段仍各自為政。

中醫 AI 給錯建議，出事了誰要負責？
目前沒有明確答案。2026 年 7 月的醫法醫政論壇才剛把「AI 導入中醫診療的法律責任」列為專場議題正式討論，責任在中醫師的臨床判斷、系統開發商或診所導入把關，現行法規尚未給出清楚的劃分。