北京AI眼科實測三大教訓：導入前該做什麼

「導入 AI 之後，醫護人員真的會用嗎？」是評估 AI 產品時常被忽略的問題。科技新報在 2026 年 9 月 27 日的報導中，整理了北京視覺科學與轉化醫學中心（BERI）團隊發表於《Nature Medicine》的一項臨床實測結果——這套名為 AI-TEC 的眼科 AI 系統在真實診間運作後，暴露出三個與模型準確度無關、卻直接決定成效的問題（科技新報，2026-09-27）。這項實測發生在中國的醫學中心，並非台灣案例，但呈現的三個教訓，正好對應院方在採購前該追問廠商的問題，值得列入評估參考。

教訓一：AI 不是外掛工具，而是要重新設計流程

報導指出，AI-TEC 並非單純加在既有系統上的診斷小工具，而是全程參與問診流程的系統。研究團隊發現，把 AI 直接嵌進既有的看診動線，效果有限；真正有效的做法，是圍繞 AI 重新設計整段診療流程。這代表評估廠商提案時，「能不能直接接上現有系統」不是唯一該問的問題，還要追問：導入後，醫護人員原本的操作步驟會不會被打斷或重複。

教訓二：資料品質比資料數量重要

實測資料顯示，餵給 AI 近 2.7 萬張品質不一、標註方式也不一致的原始影像時，判讀準確度（AUROC，一種衡量AI判斷正確程度的指標，數值愈接近 1 代表判斷愈準）表現有限；但換成僅 1,426 張經眼科專家親自、精確標註過的高品質影像後，準確度大幅躍升至 0.93 以上。也就是說，數量遠遠不足的「乾淨資料」，表現反而遠勝過數量龐大但品質參差的資料。對評估採購案的行政人員來說，這代表廠商展示的準確度數字，需要進一步確認是在哪種品質的資料上量出來的。

教訓三：操作介面複雜，實際使用率就會偏低

即使系統準確度達標，實際上線後前 5 個月的使用率僅約 3.8%（1,113 次檢查中只有 41 次使用了這套 AI 流程）。研究團隊在簡化操作介面、並根據醫師的即時回饋調整後，使用率才回升至約 23%（1,126 次檢查中使用 259 次）。這說明就算系統準確，若操作步驟繁瑣、不符合臨床人員原本的習慣，實際使用率仍會偏低——而這正是採購前的展示（Demo）環境最難呈現、卻在正式上線後才會浮現的落差。

評估採購案時可以先問的問題

• 這套系統是加在既有流程上，還是需要重新設計看診動線？ 後者代表導入成本與訓練需求會更高。
• 廠商展示的準確度，是用什麼品質的資料量測出來的？ 標註方式與資料乾淨程度，比資料筆數更值得追問。
• 有沒有實際上線後的使用率數據，而不只是展示環境的效果？ 展示環境的操作流暢度，不代表臨床人員日常會願意使用。

重點整理

• 北京視覺科學與轉化醫學中心團隊的 AI-TEC 眼科系統實測（《Nature Medicine》，經科技新報 2026 年 9 月 27 日報導）指出三個與模型準確度無關的導入問題。
• 教訓一：AI 需要圍繞既有診療流程重新設計，而非單純外掛在原系統上。
• 教訓二：約 1,426 張經專家精確標註的高品質影像，準確度（AUROC）達 0.93 以上，表現優於近 2.7 萬張品質不一的原始影像。
• 教訓三：上線初期使用率僅約 3.8%，簡化操作介面後回升至約 23%，顯示介面複雜度直接影響臨床人員實際使用意願。
• 這是中國醫學中心的研究階段實測案例，尚非大規模臨床常規使用，但三個教訓可作為採購評估時追問廠商的具體問題。

---

本文內容僅供一般資訊參考與研究教育之用，不能取代對特定病患的醫療診斷或建議。