2026-04-29

CI&T 資深副總裁 Luiz Cieslak 在 MedCity News 撰文指出一個令人深思的數據：三分之二的病患表示，希望醫療提供者能更了解自己。儘管醫療機構投入大量資源進行數位化轉型，減少了紙本作業，但病患「被理解」的感受並未因此改善。問題出在哪裡？

Cieslak 分析，核心問題在於數位化只是將紙本搬到螢幕上，並未改變醫師的工作流程。醫師仍然需要在看診前手動翻閱電子病歷、病患反覆填寫相同的資訊、被壓縮的門診時間讓深入的醫病對話變成奢侈品。結果是：醫師花更多時間看螢幕，而不是看病人。

文章提出兩個關鍵的技術解方。第一是 AI 驅動的病歷摘要：系統在門診前自動整理病患的完整病史，產出簡潔的摘要，讓醫師進入診間時就已充分掌握狀況，能將寶貴的門診時間用在「聽病人說話」而非「看電腦螢幕」。第二是穿戴裝置數據整合：AI 分析來自健康裝置的數據，辨識出有意義的模式——例如血糖在特定時間或地點出現異常——讓醫師能進行更有針對性的討論。

然而，Cieslak 也提出警告：95% 的 AI 投資最終失敗，主要原因是機構依賴通用型工具，而非根據自身需求客製化。他強調，AI 的價值在於「減少忙碌的雜務，增加有溫度的人際互動」，而非取代醫師。

文章建議醫療機構在導入 AI 時，必須考量三個面向：客製化程度（通用工具往往不適用）、數據充足性（AI 需要足夠的資料才能發揮效果）、以及規模適配性（大型醫院與鄉村診所的需求截然不同）。

Nursa 創辦人兼執行長 Curtis Anderson 在 MedCity News 深入剖析了醫療人力短缺引發的連鎖反應。他指出，人力不足不只是一個獨立問題，而是會觸發一系列骨牌效應，最終衝擊財務、品質和人才留任。

最令人警醒的數據來自臨床研究：每當護理師的照護比多增加一名病患，病患住院天數延長的機率就上升 5%，死亡風險更增加 16%。這意味著人力短缺不僅是營運問題，更是病患安全的紅線。

財務面的衝擊同樣驚人。Anderson 指出，人力成本佔醫院總營運費用的 56%，是最大的單一支出項目。人力缺口額外造成了 240 億美元的負擔。2023 年，美國醫院在約聘人力上花費約 511 億美元。而每替換一名註冊護理師的平均成本，在 2025 年已攀升至 60,090 美元，醫院平均每年因護理師流動損失約 519 萬美元。

骨牌效應的路徑是：人力不足 → 現有人員加班 → 倦怠加劇（60% 的急性照護護理師感到倦怠）→ 離職率攀升（52% 考慮離職）→ 更嚴重的人力缺口 → 照護品質下降（用藥錯誤、傷口感染、再入院率上升）→ 更多的財務損失。這是一個自我強化的惡性循環。

展望未來，美國衛生資源暨服務管理局預測，到 2030 年將短缺 63,720 名全職註冊護理師。Anderson 呼籲醫療機構導入現代化人力調度技術，包括：動態排班系統、繞過傳統仲介的直接媒合平台、預測性人力需求分析、自動化證照管理，以及透過彈性排班提升員工滿意度。

紐約新創公司 Anterior 宣布完成新一輪 4,000 萬美元募資，累計總募資金額達 6,400 萬美元（自 2023 年成立以來）。本輪投資方包括頂尖創投 Sequoia Capital、NEA、FPV 及 Kinnevik——這樣的投資陣容在醫療科技領域相當罕見，凸顯投資人對其技術的高度信心。

Anterior 的核心產品是一個 AI 臨床推理平台，專門自動化健康保險中最繁瑣的行政流程——事前授權（Prior Authorization）。這個流程傳統上需要數週時間：保險公司收到醫師的治療申請後，需要人工比對病歷、審核準則、保單條款，才能決定是否核准。這段等待時間不僅增加行政成本，更延誤了病患的治療時機。

Anterior 的平台具備多項模組化功能：傳真讀取（自動辨識傳真內容）、病歷解讀（對照臨床準則分析病歷）、以及保單轉譯（將 PDF 格式的保單政策轉換為可執行的決策邏輯）。執行長 Abdel Mahmoud 指出，當設計得當且有臨床醫師監督時，大型語言模型能自動處理約 90% 的行政臨床工作。

最具說服力的案例來自 Geisinger Health Plan。導入 Anterior 系統後，癌症治療的核准時間從原本的數週縮短至約 155 秒——病患在診間就能收到授權確認，不再需要回家等待。Mahmoud 強調：「臨床醫師從文書處理者變成了 AI 的監督者。」

在商業模式上，Anterior 採取價值導向定價，根據使用情境收取不同費用，包括每次自動核准授權的單次費用。為確保導入成功，公司會將工程師和臨床人員直接嵌入客戶端，確保準確性、安全性、系統整合和可稽核性。