當醫生不相信你的身體：診斷危機的沉默代價

一位正在學習如何診斷他人的醫學生，卻無法讓任何人正確診斷她自己。

Diana Cejas 在醫學院第一年發現頸部有一個腫塊。她去了學生醫療中心，被告知「可能是良性的」。腫塊持續長大，她一再回診，醫生一再安撫她：「只是個大淋巴結。」某個夜晚，在連續工作36小時的住院醫師輪班後，疼痛讓她徹夜難眠。隔天，她懇求醫生幫她安排CT掃描。當她在醫院電腦系統上查看結果，螢幕上顯示的是頸部一個巨大腫塊——惡性腫瘤。

這不是個案，而是一場系統性的失敗。

每年1300萬人，一個被忽視的數字

醫療記者Alexandra Sifferlin 在新書《The Elusive Body: Patients, Doctors, and the Diagnosis Crisis》中揭示了一組令人震驚的數據：美國每年估計有5%的民眾——約1300萬人——經歷診斷錯誤。2023年的研究更指出，每年有超過75萬名美國人因誤診而永久殘障或死亡。

2015年，美國國家科學、工程與醫學院（NASEM）發布了一份里程碑式的報告，結論是「大多數人一生中至少會被誤診一次」。這份報告本應催生改革，就像1999年一份分析醫療錯誤的報告推動了手術安全改善一樣。然而十年過去，幾乎什麼都沒有改變。至今，美國沒有任何主要醫療系統系統性地追蹤診斷錯誤。當醫師兼患者安全研究員Hardeep Singh 試圖建立全國性的診斷錯誤測量計畫時，願意參與的醫院系統只有9家。

醫學進步的「反面代價」

問題的根源，弔詭地埋藏在醫學進步的歷史之中。19世紀細菌理論的出現，帶來了「疾病是具有特定症狀的特定實體」這一觀念。X光、血液檢查等技術讓醫生擁有了客觀的診斷工具。這是偉大的進步——但它同時讓「檢查」成為診斷流程的核心，使醫生越來越不重視患者的陳述，轉而依賴儀器的數字。

身體理學檢查——曾是診斷的基石——正在衰退。醫生幾乎立刻就轉向開立檢查單。然而2011年的一項研究顯示，運用基本臨床技能，至少80%的診斷是可以完成的。Johns Hopkins 大學的一個床邊醫學計畫中，一名住院醫師想為一位心臟病退休醫師安排一系列檢查，但她的指導醫師示範了：透過仔細的身體診察與病史回顧，當場就能以99%的確定性得出診斷。

廣告

廣告合作

[email protected]

廣告

更深層的問題是系統性的自我反省缺失。超過半數醫學院沒有課程讓醫生正視自身的認知錯誤傾向。2020年的調查發現，「臨床醫師在討論診斷問題時，比討論其他醫療錯誤時明顯更不自在」。醫師在一個幾乎沒有回饋機制的系統中工作——患者很少回來說「你診斷錯了」——於是整個系統很少正視自身的失誤。

此外，醫生被醫院系統和以利潤為導向的保險公司壓垮：15分鐘的門診、被拒絕的保險申請、侵蝕診療時間的行政作業。Johns Hopkins 的研究顯示，醫學院第一年住院醫師待在病房裡的時間，僅佔其工作時間的13%。

AI是解方，還是另一個幻覺？

AI被寄予厚望。它確實能透過轉錄門診內容，讓醫生從電腦後方抬起頭來；也能幫助醫生克服無意識的偏見，UC Berkeley研究員Ziad Obermeyer 的研究印證了這一點。

但Sifferlin 的書揭示了一個清醒的現實：AI不會是萬靈丹，至少不會單獨成為解方。Obermeyer 的研究同樣顯示，AI複製現有偏見的速度，和它糾正偏見的速度一樣快。技術是依照人類的價值觀被部署的。而當前醫療系統所獎勵的價值觀——速度、量能、降低成本——正是製造這場危機的同一套價值觀。

美國國立衛生研究院（NIH）的未診斷疾病計畫之所以有效，不是因為它能做基因定序，而是因為每個病例都獲得充分的時間，以及跨專業的協作與對話。但今天大多數醫生所受的訓練，並不允許他們這樣工作。

對華人世界的啟示

這場危機對華人社會並非遙遠的他者故事。台灣的健保制度雖然覆蓋率高，但門診量龐大、診療時間短暫的問題同樣存在。香港的公立醫療系統長期面臨人力短缺與輪候時間過長的壓力。中國大陸的三甲醫院集中了大量患者，基層醫療的診斷能力仍有提升空間。

更值得關注的是，長期COVID、慢性疲勞症候群、自體免疫疾病等「難以被看見」的疾病，在華人社會同樣存在，但患者往往被歸類為「心理因素」或「過度焦慮」。當醫療系統無法量化問題時，它傾向於得出「沒有問題」的結論——而這個結論，對患者而言是另一種傷害。

AI醫療在中國大陸正快速發展，從影像辨識到輔助診斷系統，投入規模龐大。但如果底層的醫療文化不改變——如果系統仍然獎勵速度而非傾聽，獎勵檢查數量而非臨床判斷——再先進的技術也可能只是加速了同樣的錯誤。

書中引用的一位患者的話，或許道出了全球無數患者的心聲：「我只是想要一個生病的許可。」