生成式 AI 普及之後，愈來愈多人養成一個新習慣：不舒服時，先問 AI再走進診間。
從醫療衛教普及的角度來看，這是件好事。病人更願意主動了解疾病，也更能理解醫師的解釋。然而在神經內科的日常診間，我觀察到一個新的現象：AI 讓病人更容易說出疾病的名稱，卻讓他們更少描述自己的症狀。尤其對神經內科而言，這樣的改變反而讓診斷變得更困難。
當病人帶著 AI 的診斷走進診間……
在 AI 普及化之前，病人走進診間多半是這樣開場：「最近頭一直脹脹的」、「右手麻麻的」、「走路會暈」、「有點像被電到」……這些病情與症狀的描述雖然不精確，但足夠讓醫師開啟診斷思考流程，成為病情推理的起點。
但是近來，我愈來愈常聽見另一種開場：「醫師，我覺得自己快中風了」、「我的頭有種腦瘤的感覺」、「我的腰很像脊椎滑脫」、「我是不是自律神經失調？」
乍看之下，病人似乎做了更多功課，也常常表達他有先上網搜尋或是問過 AI。仔細追問後，我們仍得重新回到最基本的問題：哪裡不舒服？持續多久？是什麼樣的感覺？這些真正具有診斷價值的資訊，仍沒有被描述清楚，我們只好重新一步步拼湊症狀。畢竟，症狀是診斷的起點，疾病名稱只是最後的結論。
不久前，一位中年病人走進診間，開口第一句話就是：「醫師，AI 說我可能是三叉神經痛，我想直接做檢查。」他甚至已經查好了治療用藥。但當我請他先放下病名、單純描述那個「痛」的感覺時，他停頓了好一會兒，才慢慢說出一句真正有診斷價值的描述：「其實不太算痛，比較像整邊臉悶悶脹脹的，早上起床最明顯。」這個描述，與三叉神經痛典型的短暫電擊樣劇痛完全不同，後續檢查也證實是另一個方向的問題。如果我們順著 AI 給的病名走下去，很可能做了一輪不必要的檢查，卻離答案愈來愈遠。
AI 幫你猜病名，卻可能讓醫師錯過最重要的診斷線索
神經內科有一個特色：許多疾病無法在第一時間靠抽血或影像檢查得到答案，許多不同且重要的線索，都藏在病人需要深挖的描述裡。
以「疼痛」為例，看似只有一個字，背後卻可能是完全不同的感受表達。有人說像電流通過，有人說像火在燒，有人說像針一直刺，有人說皮膚輕輕碰到就痛。這些不同的描述，指向不同的神經機轉，也決定了後續檢查方向與治療策略。醫師真正想知道的，不是病人猜測自己得了什麼病，醫師著重的是病人的身體到底發生了什麼感覺。
AI 擅長根據輸入的資訊推論疾病，但病人也因此容易把 AI 的推論當成自己的症狀描述。「我是不是三叉神經痛」取代了「我有電擊般疼痛」，「是不是椎間盤突出」取代了「麻木一路延伸到腳底」。真正具有診斷價值的第一手資訊，反而被疾病名稱掩蓋了。
台灣的門診時間本來就緊迫，當病人帶著一個先入為主的診斷走進來，醫師往往需要花更多時間「解除」這個框架，才能回到症狀本身──這些時間成本，最終由整個候診中的病人共同承擔。
AI改變了病人對醫師的信任
更值得注意的是心理層面：過去所謂的「網路疑病」（cyberchondria），是病人在搜尋引擎的病名列表中愈看愈焦慮；如今 AI 以流暢、自信的語氣直接給出推論，那種「被診斷了」的確定感更強，焦慮也可能被放大得更快。
而當醫師判斷或是檢查結果與 AI 的推論不一致時，還會出現另一層張力：病人有時會懷疑「是不是醫師漏掉了什麼」。AI 在無意之間，成了診間裡的第三個聲音。醫病溝通的基礎是信任，而信任需要雙方站在同一個起點上。
AI 正在改變醫療，這個趨勢不會停止。它讓醫療知識更容易取得，也讓病人更願意參與自己的健康決策，這些都是值得肯定的改變。醫療診斷始終有一個不變的順序：先理解症狀，再推論疾病。AI 最好的角色，是幫助病人更完整地描述自己的身體感受。當它協助病人把症狀說得更清楚，而不是更早貼上病名，才能真正改善醫病溝通，也讓醫療判斷回到最重要的起點。
（作者為桃園神經內科醫師）
分享圖文請註明出處，未經本站同意不得轉載
瀏覽次數：1425
