5.4 問與答：AI 如何做出醫療建議

不是查資料，而是讀懂你

當我們說「AI 醫師能給你建議」，多數人直覺會想到「Google一下」的模式。但 Sandwich-Care 不只是資料庫的搬運工。它的核心價值在於「讀懂人」──從每一位家庭成員的日常對話、過往病史、甚至生活習慣中，建立一套動態的健康判讀系統。這不只是資訊的比對，更是醫療智慧的再現。那麼，它到底是怎麼運作的？

一、從對話中「採集症狀」──像醫生一樣問診

這套問診方式來自急診與家庭醫學的實務經驗，不是為了填資料，而是試圖像一位有經驗的醫師那樣，從症狀背後挖出「危險徵兆」或「可能誤判」的蛛絲馬跡。即使你只是簡單地說「孩子發燒了」，它也會接著追問：「體溫多高？幾點開始的？精神狀況有沒有變差？最近有沒有和其他病童接觸？」這一層層的釐清，其實不是要增加你負擔，而是為了縮短判斷距離。

問診過程也會即時根據你的回答進行方向調整。例如你說「胸痛不是持續的，是一下下抽一下」，系統會跳出另一組問題：「那這種痛是深呼吸時會更明顯嗎？有沒有最近姿勢不對或拉傷過？」因為這可能從心臟問題轉變為肋間肌疼痛、焦慮反應或自律神經失調的方向。這種即時「轉向」的能力，是傳統問卷式健康系統做不到的，也是人性化互動的核心。

更重要的是，它不是把所有症狀攤開讓你自己猜，而是根據每一個問題的回答，把風險層層收斂、逐步過濾。這不只是問診，更像是健康版的福爾摩斯推理，一邊紀錄、一邊分析，直到可以給出一個有依據、可行的初步建議。

這一整套對話，其實反映的是醫師在臨床中最常做的事情：判斷「這是不是現在就需要處理的問題？」當你不確定要不要去急診、或孩子狀況是不是能觀察，它能提供的，其實是醫療思考的節奏。那是一種安心的節奏，不是叫你不緊張，而是讓你知道：你不是在胡亂猜。

二、個人化資料整合──不是每個人頭痛都一樣

兩個人同樣喊著頭痛，看似症狀雷同，但背後的身體背景可能截然不同。一位是四十歲的上班族母親，長期處於高壓環境，肩頸僵硬、睡眠不規律；另一位是七十多歲的長輩，平時有高血壓病史，最近天氣忽冷忽熱、又有走路不穩的現象。在醫學上，這兩個「頭痛」的風險程度完全不一樣。

這就是為什麼真正有價值的健康建議，不能只依賴單一症狀來推斷。系統在處理這類情境時，會自動調用個別成員的健康檔案，包括既往病史、平日用藥紀錄、常見身體狀況，以及最近的生活行為。例如它知道媽媽最近熬夜加班、飲食不正常，而爺爺則剛停用降壓藥、又抱怨看東西有點模糊。這些資訊，會像拼圖一樣逐一補上，讓接下來的建議不是「平均值」，而是「針對你」。

而這種個人化資料整合，不只是過去的健康紀錄，還包含動態的身體與生活訊息。舉例來說，你前一天在對話中曾提到「最近一直吃外送、很少運動」，這些片段會在分析時被帶入，成為頭痛可能源自血糖波動或脫水的依據之一。甚至連你平時會不會自己買止痛藥吃、哪一類藥有效、哪一類無感，它也會記住，避免建議你再重複無效行為。

真正的智慧醫療，不是丟一堆資料給你，而是幫你串起背後的脈絡。例如，它不會只是告訴你「偏頭痛要冰敷」，而是會說：「你這次的頭痛跟你過去兩次相似，當時是睡眠不足加上月經前期；這次也落在相同週期，建議你先調整作息，若24小時內沒有改善再評估就醫。」

這種判斷邏輯的價值，在於它能讓你從「症狀」走向「理解自己」。你會發現，原來每次頭痛其實都有脈絡，不是毫無原因地從天而降。久而久之，不只是身體的痛在被照顧，更是你與自己的健康關係被重新建立。

三、風險分類決策樹──緊急？觀察？或是生活調整？

在醫療現場，最關鍵的第一步從來不是「診斷」，而是「風險分類」。判斷這件事情到底有多急？可不可以等？該不該馬上處理？這一步對於家庭來說，尤其重要，因為錯過高風險的急症可能代價極高；但過度反應、每次不舒服就往急診跑，則會讓人陷入不必要的焦慮與開銷。

這套系統的核心正是以「決策樹」為邏輯架構，把每一種症狀拆成一條條路徑。以胸痛為例，若使用者說出「壓迫感強、持續十分鐘以上、有放射到左臂」，系統會立刻進入高風險分支，發出「請立即就醫」的指示，並補充告知：這樣的表現可能涉及心臟問題，不應延誤。但如果說的是「偶發性刺痛、跟著深呼吸加劇」，又沒有伴隨喘或暈眩，分析會轉向中低風險，建議觀察幾小時，同時提供可自我評估的警訊清單。

這樣的分類標準，不是靠表面症狀堆疊出來的，而是透過大量醫學文獻、急診臨床經驗及家醫判準反覆交叉設計。例如兒童發燒，一般家長第一時間會驚慌失措，但系統會先確認：精神狀況是否清醒？有沒有持續嘔吐？皮膚顏色是否異常？如果以上都正常，即使體溫達到39度，也會被歸為「可先在家觀察」的範圍，並設下觀察期限（如：48小時內若未改善、或有特定警訊即需就醫），讓家長有依據，也有信心。

整個風險分類分成三層：

• 紅燈級（高風險）：如中風徵兆、持續胸痛、單側肢體無力等，一經辨識即強烈建議送醫，不留觀察空間。
• 黃燈級（中風險）：如不明原因持續不適、有惡化可能但無立即危險的狀況，建議密切觀察並設立時間閾值。
• 綠燈級（低風險）：如短暫性疲勞、消化不適、壓力性失眠等，建議先從生活調整與自我照顧開始，無需醫療介入。

這樣的風險分類方式，讓健康照護不再是黑白二分──「要不要看醫生」不再是全靠直覺猜，而是有一條清晰的判斷線，幫助家庭做出既穩妥又不過度依賴醫療資源的選擇。

最終目的，不是讓人不去就醫，而是讓每次就醫「剛剛好」。當需要搶救時不遲疑，當可以觀察時不驚慌，當該生活調整時不逃避，這才是建立健康自我決策能力的第一步。

四、回饋循環與學習──你越問，它越懂你

在一開始，使用者對 AI 的健康建議多半是觀望的。像是一位常年受到偏頭痛困擾的媽媽，第一次輸入症狀時，系統給出建議：「觀察是否與月經週期有關、建議一週內調整睡眠與飲食節奏」，她半信半疑，照做了幾天後頭痛果然減輕。接著她回報：「這次好像真的跟作息有關，不像以前是因為壓力」。這樣的回應，不只是訊息的補充，更是一次學習迴路的啟動。

系統會記下這段互動，把「偏頭痛與荷爾蒙週期的關聯性」納入她的個人資料中，下一次當她提到類似的不適，即便表達方式不同，例如說「最近頭暈、注意力難集中」，分析邏輯也會自動連結到相關情境。這種學習不是靠預設模板，而是經由一次次與使用者的對話微調，逐漸建立一套專屬的「健康理解地圖」。

不只症狀與結果，連你怎麼說、什麼時候說、說話的語氣與用詞選擇，也都會成為個人化理解的一部分。有些人習慣說「不太舒服」，其實代表疼痛指數已高達 7；有些人即便喊「超級痛」，其實身體反應仍很穩定。這種語言與症狀之間的個人偏差，系統會透過長期互動逐漸學會──它開始懂得你用「自己的語言」描述身體，不再只依靠通用的醫療詞彙。

每一次回答回饋，不只是一次機械性的紀錄，而是一塊拼圖的補上。系統會主動辨識哪些建議對你有效、哪些嘗試未達預期。舉例來說，你曾照建議飲食調整三天仍腹脹未改善，並留言「感覺和之前吃的益生菌有關」，這樣的訊息會轉化為新的分析變因，下一次不再建議你使用同樣路線，而會引導從其他可能因素著手。

也因為這樣的記憶與學習能力，它會變得越來越像一位熟悉你生活與個性的醫師。當你半夜說「我又感覺快喘不過氣了」，它不會馬上啟動氣喘發作的判斷流程，而會先回顧你上週也說過同樣的話，當時只是因為焦慮加上咖啡攝取過量，最終並未進入醫療事件。這樣的判斷建立在熟悉的基礎上，是深度理解，而不只是程序性反應。

這套回饋循環的本質，是雙向的信任累積。你越願意分享，它學得越快；你越精準回報，它越能提供符合真實需求的建議。這樣的互動，不只是解決單次健康疑問，更在潛移默化中，逐步重建一種全新的健康對話方式──一種既理性又貼近個人經驗的「身體溝通」。

五、不是決定你怎麼做，而是讓你做出決定

對許多人而言，生病的時候最害怕的不是症狀本身，而是「不知道該怎麼辦」的慌亂。尤其當孩子半夜發燒，父母常在「送急診」與「等一下看會不會退燒」之間徘徊，那是一種沒有人能替你保證後果的孤獨感。這時，如果有個對你家情況瞭若指掌、又能說出醫學邏輯的「聲音」，不一定要幫你下決定，只要幫你把選項理清、風險說清楚，就已經足以讓你心裡安穩一大半。

這種設計思維背後有一個核心信念：真正的健康決策權，應該掌握在家庭自己手裡。系統所提供的，是一張判斷地圖，不是一條命令線。當你說出症狀，它不會直接說「要看醫生」，而是一步步引導你看到：「根據目前的狀況，這屬於可觀察的範圍，如果12小時內退燒且精神狀況良好，則無需立即送醫；但若出現以下幾項警訊，建議立刻就醫」。這樣的回應不只是建議，更像是把你拉回決策中心。

這個過程本身，就是一種教育。你會開始學會分辨哪些症狀值得擔心，哪些其實只是身體正常的反應；你會發現自己越來越少說「我不知道要不要看醫生」，而是開始說「我觀察到了幾個變化，接下來會注意幾項重點」。這正是從「被動接受醫療」轉向「主動參與健康」的過程。

系統不是讓你依賴，而是幫你從依賴中走出來。在它的輔助下，家庭開始建立屬於自己的「健康判斷系統」。爸爸知道什麼是自己的血壓警訊，媽媽懂得如何觀察孩子的活動力變化，青少年也能漸漸學會區分情緒性不適與真正的身體警訊。

更重要的是，這套方式不讓人恐慌。因為它給的不是唯一的答案，而是「有邏輯的選擇」。而在健康這件事上，能夠有選擇本身，就是一種極大的自由感與安全感。

你會發現，日子一天天過去，不只是健康指數慢慢變好，而是你們全家，正在從一個「什麼都要問醫生」的家庭，轉變成一個能夠彼此照護、冷靜判斷、信任身體的生活共同體。

Sandwich-Care出書了喔!! <<胰島素迷宮：解開7大疾病的共同根源>>