近期美國猶他州政府在監管沙盒框架下，核准 AI 醫療決策系統 Doctronic 展開試點，該系統在特定條件下，無需人類醫師審核，即可自動為患者開立處方續方。
這項政策落地，挑戰了長久以來「續方必須由人類醫師親自處理」的傳統認知。
Doctronic 適用邊界：只處理已確診慢性病續方
根據猶他州的監管框架，Doctronic 這套 AI 系統並非被授權去診斷新疾病，而是針對那些已經由人類醫師確診、且需要長期服藥的慢性病患者提供自動化服務。
目前，該系統涵蓋了大約 190 種常用藥物，且這都是經過醫療體系深思考量過的藥物清單。為了確保公眾安全，政府明令排除了具有成癮風險的止痛藥物、治療注意力不足過動症（ADHD）的興奮劑，以及操作較為複雜的注射類藥劑。
而在具體的運作流程上，Doctronic 展現了 AI 數位化處理的高效性。當患者提出續方需求時，系統會立即讀取該患者的電子病歷，並進行一套與人類醫師門診時完全相同問詢流程；包括確認患者的身體狀況是否發生了顯著變化、有無出現新的不適症狀，或是是否存在任何可能改變用藥決策的變數。
如果患者的回答與既有數據皆未觸發任何「紅字警告」，系統便會直接將續方指令發送至藥房，整個過程在數分鐘內即可完成，且不受辦公時間限制。
一旦 AI 在問詢中察覺到任何異常信號，例如患者描述了新的副作用或病情加重的跡象，系統會立即啟動避險機制，將該案例轉交給人類醫師進行人工判斷。
99.2% 一致率是政府敢放行的數據底氣
支持這項創新制度的核心基石，是一項由 Doctronic 提供的 500 名急診／急診照護患者對照研究數據。這份數據顯示，Doctronic 的 AI 處方方案與人類醫師的一致率高達 99.2%。
更令人意外的是，在那些僅存的「分歧案例」中，經過第三方專家小組的獨立評審，AI 提供的方案，反而更常被判定為更符合臨床指南的最佳選項。這意味著在規律性極強的慢性病管理中，AI 規避了人類醫師因疲勞、情緒或資訊遺漏可能產生的疏忽。
AI 被視為「執業者」而非醫療器材
至於猶他州政府在監管邏輯上的最大創新，莫過於對 Doctronic 的身分認定。在過去的案例中，輔助診斷軟體通常被歸類為「醫療器材」（Medical Device），其監管路徑往往遵循美國食品藥物管理局（FDA）的產品責任法。在這種框架下，如果系統出錯，開發商通常面臨的是產品瑕疵的法律責任。
然而，猶他州採取了截然不同的路徑，他們將 Doctronic 在責任與監管框架上，比照「有限範圍的醫療執業者」（Practitioner），而非傳統醫療器材。
這種身分轉變帶來的法律後果是深遠的，最顯著的改變在於責任機制的建立。猶他州政府為該系統核准了一種特有的「醫療事故責任保險」，也就是當 Doctronic 開出錯誤處方導致患者受損時，其面臨的是「醫療糾紛」而非單純的「產品理賠」。Doctronic 與人類醫師一樣，被置於相同的法律責任天秤上。
另外，該政府設立了極其嚴格的早期風險控制機制：在初期運行中，每一類藥物的前 250 張 AI 處方，都必須由人類醫師進行 100% 後驗審核，以確保算法在現實環境中不會出現過於誇張的偏離。
醫界分裂：效率紅利 vs. 臨床風險
不過儘管數據亮眼，醫療專業界的聲音卻呈現出極端的兩極化。支持者包括猶他州商務廳與部分一線臨床醫師認為，基層醫療體系面臨著嚴重的醫師短缺與行政過載；例如麻薩諸塞州最大的醫療系統 Mass General Brigham，就曾因醫師短缺，導致患者需要等待一年半以上才能見到家醫科醫師。
在這種極端的醫療資源匱乏下，Doctronic 類型的系統能有效減少藥物漏服的情況，並將醫師從瑣碎、低價值的續方行政工作中解放出來，讓他們能專注於需要複雜判斷與人文關懷的高價值照護。
不過反對的聲浪也同樣存在。以美國醫學會（AMA）及其猶他州分會為首的專業組織，對此表達了深切的憂慮。醫師們的核心質疑在於，醫療行為不應僅僅是「問答」與「對齊數據」，缺乏實體檢查是這類 AI 系統的硬傷。
在一個看似單純的續方過程中，經驗豐富的醫師或許能透過患者的步態、眼神或皮膚狀態察覺到 AI 無法感知的隱匿病變。如果處方流程完全自動化，這些潛在的健康警示可能會被徹底忽視。
此外，藥物相互作用的複雜性、轉診標準的模糊，以及最令人擔心的，患者可能透過操控回答來騙取藥物的濫用風險，都讓傳統醫療界對「去醫師化」的趨勢感到不安。
下一步：地方監管實驗會否改寫全美醫療路徑？
Doctronic 的案例是否具備可複製性？從技術與邏輯的角度來看，答案傾向於肯定。續方管理本身就是一個「邊界清楚」的臨床問題，它是醫療流程中自動化程度最高的環節之一。
如果猶他州的這場實驗能在兩三年的尺度內，維持極低的事故率，那麼這種「自動化續方」極有可能成為 AI 醫療全面合法化的第一個切入點。
另外，若未來的 AI 醫療新創公司發現，爭取美國各州的「醫療執業監管路徑」比通過聯邦級別的「醫材認證」更具效率且更符合現實營運需求，那或許我們將會看到醫療治理權力，從中央向地方、從傳統標準向實驗性法規的位移。
不過小規模的臨床研究與大規模的真實世界表現之間，始終存在著一道鴻溝。AI 在處理複雜、罕見或具備高度個體差異的臨床案例時，是否依然能保持這種一致性？當保險賠付與法律責任真正發生時，社會大眾對於「AI 犯錯」的容忍度，是否真的能與「醫師犯錯」等同？這些問題都需要更長的時間來檢驗。
【推薦閱讀】
◆ 體內住著一位 24 小時醫生？從智慧手環到數位藥丸，IoB 如何顛覆醫療模式
◆ 歐洲研究團隊打造「醫療預言家」，預測人類未來 20 年健康狀況
◆ 【不能出錯的 AI】AI 醫療記錄技術崛起，新創 Freed 減輕醫生文書工作倦怠
＊本文開放合作夥伴轉載，參考資料：《Forbes》、《NPR》，圖片來源：Unsplash
（責任編輯：鄒家彥）
