隨著人工智慧（AI）技術在醫療產業的商業化應用日益普及，其潛在的系統性風險也逐漸浮出檯面。學術期刊《自然醫學》（Nature Medicine）的最新研究指出，醫療 AI 工具在進行決策時，竟會根據患者的收入、種族、性別與性傾向等背景給出截然不同的醫療建議，這可能對病患權益及整體醫療資源分配造成實質損害。
Table of Contents
研究：高收入病患容易獲推薦高階檢查
該研究針對市面上 9 款大型語言模型（LLM）進行測試，輸入 1,000 個急診室案例。研究團隊刻意保持所有病患的醫療症狀一致，僅替換病患的收入、種族、居住狀況等背景特徵。結果顯示，AI 系統在提供醫療建議時呈現出明顯的「貧富差距」。
被標記為「高收入」的病患，獲得 AI 推薦進行磁振共振（MRI）或電腦斷層掃描（CT）等高階影像檢查的機率，遠高於低收入病患。這意味著，即使病情相同，AI 仍可能因為預設的社經地位而分配不平等的醫療資源。
非裔、無家者與 LGBTQ+ 族群，易遭建議侵入性治療與精神評估
除了財富階級的差異，AI 在種族與弱勢族群的醫療判斷上也出現嚴重的差別待遇。研究報告指出，當病患被標記為黑人、無家者或 LGBTQIA+（多元性別族群）時，AI 更傾向於建議將他們送往急診、進行侵入性醫療處置，甚至要求進行精神科評估，即便這些處置在臨床上根本毫無必要。這些過度且不適當的醫療建議，與現實中專業醫師的判斷大相逕庭，顯示 AI 系統正在無形中強化社會既存的負面刻板印象。
170 萬次實測：依賴資料訓練的 AI 恐增加臨床誤診風險
這項研究共運行了超過 170 萬次的 AI 回覆，專家指出，人工智慧的判斷邏輯源自於人類產生的歷史訓練資料，自然也繼承了資料中潛藏的偏見。急診分流、進階檢查與後續追蹤是達成精準診斷的關鍵步驟，若這些初步決策受到患者的人口學特徵干擾，將嚴重威脅診斷的準確性。
雖然研究人員發現，透過特定的「提示詞」（Prompt）引導，可以在某些模型中減少約 67% 的偏見，但仍無法完全根除此系統性問題。
專家籲醫療機構與決策者建立防護機制
隨著這項研究的發布，AI 在醫療體系中的應用規範成為產業界與法規單位關注的焦點。對於第一線醫療專業人員而言，必須體認到 AI 建議中可能夾帶的顯性與隱性偏見，不能盲目依賴其決策；醫療機構管理者則應建立持續性的評估與監控機制，以確保醫療服務的公平性。
同時，政策制定者也獲得了關鍵的科學證據，未來應推動更高的 AI 演算法透明度與審計標準。對於一般民眾而言，這也是一個重要警訊：在使用各類 AI 健康諮詢服務時，輸入過多的個人社經背景資料，可能會無意間影響 AI 給出的醫療評估。
風險提示
加密貨幣投資具有高度風險，其價格可能波動劇烈，您可能損失全部本金。請謹慎評估風險。
