2026-08-24

2026 年 8 月，美國醫療體系正迎來一波「第二波 AI 浪潮」的高峰。不同於第一波以 AI 文件轉錄為核心，這一波 AI 部署的焦點已全面轉向門診預約排程、慢病追蹤、出院後管理與病患主動聯繫——Becker's Hospital Review 最新統計，至少 12 家大型美國健康系統正在積極擴大代理型 AI（Agentic AI）的應用範疇，重塑整個門診照護的運作邏輯。

領先案例中，賓州 WellSpan Health 於 2026 年 7 月 30 日宣布與 Hippocratic AI 擴展多年合作夥伴關係，從單一使用案例升級為橫跨門診、住院、主動外撥與入院照護的全平台部署。WellSpan 的生成式 AI 語音代理「Ana」已達到每月處理超過 16 萬通病患電話、累計 7,000 小時對話的規模。這次擴展新增了三項關鍵功能：針對「失約影像檢查」的主動外撥提醒、出院後追蹤，以及慢性病定期回診確認。值得注意的是，Hippocratic AI 還將在 WellSpan 的約克總部派駐工程師與臨床團隊，共同開發下一代工具，顯示醫療 AI 合作模式已從「軟體供應」演進至「深度共創」。

南卡羅萊納州的 MUSC Health 則走出另一條路：將旗下 AI 代理人「Emily」——建構於 SoundHound AI 的代理平台之上——於 2026 年 7 月 29 日正式拓展至零售藥局與專科藥局的業務服務，打通了從門診排程到藥品管理的完整病患旅程。與此同時，Universal Health Services（UHS）的執行副總裁兼財務長 Steve Filton 在財報電話中直言：AI 代理已取代護理師進行出院後追蹤電話，不僅允許「縮減人力」，還同步改善了再住院率與收費循環指標。UHS 更在行為健康門診部門全面導入 AI 優化轉介與入院流程，目標提升新轉介病患的回應速度與就診量。

從跨系統視角來看，這波 Agentic AI 浪潮的共同特徵包含三個維度：第一，從「被動接聽」轉為「主動外撥」——AI 代理不只等病患打電話來，而是主動聯繫失約、慢病與出院後病患；第二，從「單點工具」轉為「全流程協作」——前端預約、中段授權確認、後端帳款追蹤由同一套 AI 架構串聯；第三，從「節省時間」轉為「重組人力結構」——部分系統明確以「降低人力配置」作為 AI 部署的財務目標，而非僅追求效率提升。耶魯紐哈芬健康首席數位健康主管 Lee Schwamm 醫師則提出警示：Agentic AI 在遠距病患監控應用中，若缺乏「人在迴路」的監督機制，將帶來新的臨床與法律風險。

對整體產業而言，這波浪潮同時也預告了門診 RCM（收費循環管理）的下一個戰場：從帳單寄出後的「被動催收」，轉向就診前、就診中、就診後的「全旅程病患財務管理」。當 AI 代理能主動提醒失約、確認保險資格、處理授權申請，門診的財務漏洞將得以在最前端被攔截，而不是在帳單拒賠後才亡羊補牢。

2026年，美國醫療體系正面臨一個結構性矛盾：一方面，各大醫院和醫療機構不斷加碼採購AI工具，另一方面，卻幾乎沒有人真正在培育能夠「駕馭」這些工具的醫療人才。這不僅是一個技術問題，更是一個醫療領導力的危機。

全球最具影響力的醫療數位標準組織HL7 International執行長Rachel Dunscombe教授，於2026年8月14日在MedCity News發表深度觀點文章，明確指出：醫療產業的AI問題，本質上是一個「人才準備度」的問題。她的論點引發業界廣泛共鳴，因為它精準道出許多醫療高管心中的隱憂。

Dunscombe在文中指出，醫療AI的部署瓶頸並非技術本身，而是執行鏈上嚴重欠缺具備數位健康基礎設施、醫療資料架構與互通性（Interoperability）專業知識的人才。她更進一步示警：全球大約需要50萬名具備深度FHIR（Fast Healthcare Interoperability Resources）技術能力的專業人員，而目前這樣的人才供應缺口極為嚴峻。

更令人憂心的是，根據HL7 International同期報告與多項業界調查的綜合數據，76%的醫療領導者坦承，其機構尚未準備好以所需速度導入AI；而在臨床端，70%的醫師與臨床人員即便身處AI工具密集的工作環境，仍未將AI實際整合入日常臨床流程。這兩個數字之間的落差，清楚說明了為何大規模AI採購並未帶來對等的醫療品質提升。

Dunscombe同時點出一個更深層的結構性問題：目前年輕世代的醫療從業人員，對於「互通性」、「數位健康基礎設施」或「醫療資料架構」等職涯路徑幾乎毫無認識，導致下一代醫療數位人才的供應管道從源頭就已斷裂。這是一個系統性的教育與人才培育失敗，而非個人能力問題。

針對這一困境，HL7 International正積極推動「Break the Code」等教育計畫，試圖從根本上建立全球醫療互通性人才庫。Dunscombe強調，AI導入的成功與否，最終仍取決於是否有足夠的人才能夠理解、管理並持續優化這些系統——而這正是醫療領導層當前最應優先投資的領域。

這篇文章之所以在醫療領導圈引發高度關注，在於它提出了一個反直覺的觀點：當所有機構都在搶著購買AI解決方案時，真正的競爭優勢反而來自於率先建立「能讓AI真正運作的人才生態系」。這對醫療體系的CEO、CMO與CHRO而言，是一個需要立即重新檢視人才戰略的警訊。

長期以來，醫療數據的掌控權從不屬於患者本人。病歷散落在不同醫院系統、實驗室與診所之間，患者每次轉診都必須憑記憶重建自己的健康史，而製藥公司則依賴第三方數據仲介，花大錢購買從保險理賠與住院記錄拼湊出的不完整資料集。這個根本性的結構失靈，正是紐約新創公司 Novellia 決心顛覆的目標。

2026 年 6 月，Novellia 宣布完成由 Spark Capital 領投的 1,800 萬美元 A 輪融資，參與投資方包括 Khosla Ventures、Acrew Capital、Bling Capital 與 TMV，使公司累計融資總額達到 2,800 萬美元。這筆資金將用於擴展其 AI 健康數據平台的基礎設施、強化自然語言處理能力，並全面推出全新的患者端行動應用程式。

Novellia 的商業模式在業界屬於首創：患者透過平台在 30 秒內整合來自不同醫院、診所、實驗室的所有病歷，建立一份完整的個人健康史，涵蓋時間跨度可達 20 年。更關鍵的創新在於：患者可以自主選擇是否將匿名化的數據貢獻給製藥公司的研究計畫，形成一個以患者同意為核心的真實世界數據（Real-World Data, RWD）供應鏈。

這個市場的規模遠比外界想像的更龐大。目前全球真實世界數據市場規模已超過 500 億美元，且隨著 AI 藥物開發對高品質、多維度臨床數據的需求暴增，這個數字預計還將持續攀升。然而，現有數據生態系統的最大問題在於：絕大多數數據來自保險理賠與 EHR 系統的二次利用，缺乏患者的直接參與與生活情境資訊。Novellia 執行長 Shashi Shankar 指出，這樣的數據基礎讓製藥公司在開發療法時，永遠看不到患者的完整面貌。

Novellia 目前已獲得業界多項認可：入選「Digital Health New York 10 大值得關注新創」、榮獲 2026 Fierce Outsourcing Award 藥物開發創新獎，以及 2026 MedTech Breakthrough Award 最佳醫療數據儲存解決方案。隨著 A 輪融資到位，公司計畫加速擴展至腫瘤、神經科學、罕見疾病等新興治療領域，建立更多元的患者社群與研究夥伴關係。

這一商業模式的深遠意義在於：它不僅是一個數據工具，更是一次醫療數據所有權的重新定義。當患者從數據的「被動提供者」轉型為「主動貢獻者」，整個醫療研究的信任基礎與數據品質都將發生根本性改變。