AI模型非核心優勢？專業知識成醫療科技致勝關鍵

近期針對人工智慧在醫療領域的應用，多項討論與研究指出，AI模型的真正價值不在於其技術本身，而是模型背後所驅動的專業知識與數據，特別是在醫療索賠處理等複雜情境，累積的領域知識才是企業打造差異化AI解決方案的關鍵優勢。

【記者黃郁婷／綜合外電】隨著人工智慧（AI）模型的運算能力快速提升，並日益普及，醫療科技領域的討論焦點已從單純的模型技術轉向其背後所蘊含的專業知識。多項研究與業界洞察指出，在複雜且高度管制的醫療產業，AI模型的真正價值並非其本身的能力，而是模型所依據的專門知識與數據。

近期，有專家指出，即使是最強大的AI模型也可能在缺乏正確知識基礎的情況下，產生聽起來合理卻全然錯誤的答案。以醫療索賠處理為例，加州與德州的工人賠償金規定、聯邦退伍軍人事務部（VA）的索賠流程，各自有截然不同的規則，而要累積這些跨州、跨付款方且不斷變動的專業知識，需耗費整個職業生涯。EnableComp 技術長 Brian Kenah 表示，這種從實際經驗中獲取的「來之不易的判斷力」無法被簡單購買，而是需要組織長期投入建立。

專家強調，許多重要的專業知識從未被書面記錄。例如，資深專家可能深知某州的工人賠償保險公司在沒有特定附件的情況下不會付款，即使索賠記錄看似完整。若AI代理（AI agent）在沒有這些隱性知識的情況下運作，其產出的結果可能看似正確卻實為錯誤。因此，建立資料與領域知識基礎應是首要之務，AI代理應在其之上進行部署，否則可能導致自動化錯誤。

這種專業知識的缺乏也反映在業界預期上。根據管理諮詢公司麥肯錫的最新調查，僅三分之一的領導者預期自主編碼能處理門診編碼量的三成，這比一年前約半數領導者預期能處理逾三成的比例明顯下降。這顯示當AI工具遇到不熟悉的工作時，其效能表現不如預期。

將AI與深厚的領域知識結合，可帶來顯著效益。例如，根據《Healthcare IT Today》報導，光是 2025 年，美國醫院就花費近 180 億美元來推翻被拒絕的醫療索賠。若能透過AI系統提早識別風險並優化索賠流程，便能大幅降低這些損失，提高高價值索賠的成功率，並確保收入的可預測性。當系統基於編碼的專業知識運作，更能清楚解釋其決策過程，這在審計或與付款方發生爭議時，是證明決策合理性的關鍵。

除了索賠處理，AI在藥學領域的應用也受到關注。美國衛生系統藥師協會（ASHP）在 2025 年年會期間進行的調查顯示，藥師們對AI的態度既「興奮」又「充滿希望」，但也夾雜著「懷疑」與「不確定」。RWJBarnabas Health 臨床資訊藥師 Steven Smoke 指出，「AI slop」（指劣質的AI產出）可能對技術印象造成負面影響。他強調，AI正在轉變知識型認知工作，並呼籲藥師們應將此視為利用AI改善藥局營運和病患照護的契機。Smoke博士認為，藥師需要學習如何「運用」AI，而非如何「建構」AI，並舉例 AI 可用於自動起草臨床摘要或電子郵件、預測藥物濫用、及早預警敗血症，以及透過聊天機器人提供經驗證的健康資訊等，這都凸顯了人類專業知識與AI協作的重要性。

參考來源