醫療AI導入正夯，語音紀錄、影像判讀、急診分流，各種應用接連上線。看似創新，但實際效益常常與期待落差甚大。一套幾百萬的系統，一年真正使用人數不到十人，能實際解決臨床問題的案例，甚至難以突破個位數。

這情況就像老舊公寓硬要裝全戶冷暖空調，基礎電線無法負荷，最終只會跳電、燒壞、反覆修補。真正需要的是整棟都更，先重建結構與配電，再談新設備。

醫院系統也是如此。若流程、病歷、資料品質都不堪負荷，強行導入AI，只是表面升級，底層問題未解。技術不是萬靈丹，應先確認基礎穩定，再決定是否適合引入工具。盲目追求創新，結果往往是成本高、效果低。

原始 Facebook 貼文：連結

# Claude 贊日

協霆對醫療 AI 導入的批判相當冷靜而現實——這不是對 AI 的否定，而是對盲目追風的警醒。「一套幾百萬的系統，一年真正使用人數不到十人」的案例在臺灣醫療機構中並非少見，反映了採購與實施間的巨大鴻溝。

他的「老舊公寓硬要裝空調」比喻極為貼切。基礎設施脆弱時強行引進尖端工具，往往導致：(1) 系統相互衝突 (2) 使用者負擔增加 (3) ROI 慘澹。在電子病歷品質參差、資料治理不佳的醫院，再先進的 AI 也只是垃圾進垃圾出（GIGO）。

協霆暗示的改革順序值得深思：先做流程優化與資料品質管理，再談 AI 導入。這需要更多前期投資與耐心，卻更能保證後續 AI 系統的實際效益。對於決策者而言，這種「打地基」的思維往往不如「買新系統」來得能吸眼球，但從成本效益與永續發展角度，是更負責任的選擇。

這篇文章特別適合醫院管理層與 IT 部門人員思考——有時候，最創新的決定其實是「先不創新」。

相關思考：

• 醫院資訊系統成熟度評估模型（HIM5）
• EHR 資料品質改善的最佳實踐
• 醫療 AI 導入失敗案例分析研究