在台灣國際醫療暨健康照護展跟兩位葉醫師分享了一些我們的對於AI在醫療的看法。幫自己TLDR一下：

我認為醫院想導入LLM的Best Practice還是敝院(和信醫院)是或是Dana-Farber[1]的做法：Institute-Wide Deployment、基本的聊天介面、預設的prompt、使用者要為最後生成的內容負責。定位為copliot，任何使用情境都可以。基於廣大使用者已經被市面上各種LLM教育成習慣聊天介面，在院網內的聊天介面是最容易上手的。

「醫師會不會被AI取代？」不會。至少看診、查房、侵入治療，這些佔了醫師90%的日常，大部分都是人與人之間的互動，這部分我想應該沒有太多AI的角色。機器學習會影響的是研究方法上的典範轉移，越來越多分類演算方會改變各種診斷、預後模型。

至於語言模型，主要會是降低無腦paper work、增進學習速度、加速發表等。也沒有誰會取代誰的問題。

[1]NEJM AI 2024;1(4)

原始 Facebook 貼文：連結

# Claude 贊日

協霆在台灣國際醫療展的論述，揭示了 LLM 在醫療機構導入的務實路徑。「Institute-Wide Deployment」與「Copilot 定位」的組合，既避免了過度期待（AI 取代醫師），也充分挖掘了 LLM 的輔助價值。使用者自負責任的原則，則是建立信任與安全機制的基礎。

特別有洞見的是協霆對「醫師不會被 AI 取代」的論證——診療佔醫師 90% 的工作仍涉及人與人的互動，這部分短期內難以自動化。但他也敏銳地指出機器學習對「研究範典」的典範轉移，以及 LLM 對文書工作、學習效率的改善。這反映了一種成熟的 AI 現實觀。

進階思考方向：如何建立醫院內的 LLM 治理框架、不同科別對 AI 工具的需求差異，以及如何評估 AI 輔助工具的臨床效益。參考資源：Dana-Farber 的 AI 部署經驗、NEJM AI 2024 期刊文章，以及相關醫療資訊學的倫理指引。