生老病死「疫常」難料——預立醫囑有哪些迷思？為何簽下去是負責任的表現？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 活動紀錄／郭宜蓁

在科普書的寫作上，會遇到哪些瓶頸，該有哪些突破？在透過不同方式進行寫作時，又會有哪些不同的感受呢？接下來讓我們來看看，科學研究者跨出舒適圈，進行科學知識的傳播的心路歷程。

這次泛知識節，我們邀請到目前於慈濟大學醫學系任教的何翰蓁老師，來聊聊在撰寫解剖科普書《我的十堂大體解剖課：那些與大體老師在一起的時光》的辛酸血淚史。

特別的解剖課程安排：加入人文元素

何翰蓁老師已經教大體解剖學 16 年，但在開始教學之前，其實並沒有學過大體解剖學。然而，在和朋友的分享教學經驗的過程中，才發覺自己在慈濟教學時的特別之處。除了解剖本身，慈濟的課程還包含解剖前後的人文教育，這可能也是出版社選擇她出書的原因之一。

慈濟大學的解剖課程規劃其實很特別。何翰蓁介紹，早期的解剖課程安排，並沒有那麼尊重解剖台上的遺體，很多都是無名屍，在解剖完畢之後也並沒有再縫合。在慈濟大學成立之後，才在解剖課上也引入人文的教育。慈濟從創校到現在，躺在解剖台上的每一位大體老師都是有名有姓的，全部都是自願捐贈。為了安慰家屬，讓他們知道學生會好好的對待這具捐贈出來的身體，所以在解剖教學的一開始會讓學生先進行家訪，訪問大體老師的家屬，由此認識接下來要面對的這一具身體，生前是什麼樣的人，為什麼會作這樣的決定願意把身體捐出來？

藉由這一系列的課程，希望學生不只是學到身體構造，還能夠知道自己面對的是「人」，在面對身體時，要有更多的尊重。畢竟這些學生以後都可能是要成為醫生的人，在面對病人時，不要只有看到病，還要知道那是一個活生生的人。同時，很多學生是在這堂課第一次面對「死亡」，因此也帶入了生死教育。

將這些內容寫進書裡頭，也是希望這本書不是只有冷冰冰的解剖名詞，也能包含解剖人文與生死教育的議題。

第一次寫書遇到哪些困難？

何翰蓁最初其實對一本書要有多少字，完全沒有概念，第一篇稿只寫出了 2000 字。編輯在收到之後，希望可以多增加一些描述，像是解剖教室的環境、學生在學習當下的心境，但由於教學過程的描述主要偏重在專業知識，因此對於外在環境與狀態的描寫較少。又因為本身是大學教授，隨著課程越來越多，時間除了用在課堂上，也需要花很多時間來備課，因此就出現拖稿的狀況。

基於脫稿狀況嚴重、產出的內容也過少，後來出版社的編輯提出建議：找另一人透過訪談方式將何翰蓁老師想表達的內容整理起來，最後再進行修改。對何翰蓁來說，這種方式讓她輕鬆了些，至少有人可以幫她整理內容。

生力軍加入：改變寫作方式之後

重新形成共識之後，這本書出現了另一個作者：李翠卿，負責訪談與整理訪談稿。訪談過程就像是上課，要說明大體解剖課程如何進行、需要跟學生介紹哪些構造、器官構造的特徵與功用有哪些。

另一個「替身」作者的加入，除了提高效率，還有一個特別的好處。由於對方並不是本科生，是文組背景，接觸生物學是很久以前的事情，所以在訪談過程中會出現很多的「為什麼」。為了要更清楚的解釋原因，在描述的過程中，除了要講得更簡單、增加許多例子，還需要用上很多形容詞。

在某次訪談中提到，大體老師的皮膚在泡過福馬林處理之後會變硬，李翠卿便提問：「變多硬？」思考許久之後想到的形容「大概像皮革那樣子的硬度」在這樣一來一往的問答之下，雖然內容還是充斥著許多解剖名詞，但在多了這些例子之後，也可以讓一般人更能想像。而何翰蓁也從中發現自己原來也可以把生硬的知識用更簡單的方式闡述，讓完全沒有基礎的人能更容易理解。

訪談中，也有一些有趣的小插曲，關於謠言破解，像是電視上常見的「咬舌自盡」，咬舌自盡到底能不能成功？以舌頭的構造來說，越靠近舌尖的血管越細，電視上的咬舌自盡都沒有看到舌頭伸出來，然後就死掉了。理論上，要咬舌到死亡的情況，舌頭必須要伸得很長，才能咬到大血管，同時牙齒還要很夠力，才能真正咬斷後，血還要流得夠快才會真的死亡。（小叮嚀：以上只是構造介紹，請勿嘗試模仿）所以電視上演的，基本上都沒有死，而是痛暈過去（痛死），不是失血過多死亡。

另外，在談手部解剖這部分時，聊到「婚戒為什麼要戴在無名指」的故事，老師覺得編出這個故事的人一定學過解剖學。具體內容，可閱讀〈為什麼婚戒要戴在無名指？什麼是腕隧道症候群？——《我的十堂大體解剖課》〉。

科學家寫科普文的罩門

科學家知道最多的科學故事，可是當他們在寫科普文時，會遇到那些問題呢？

廢話太少

在生醫領域，一直以來的科學訓練是「精簡的陳述」。有一個很實際的問題，在於這個領域的科學論文發表，是要自己付錢請期刊出版社發表（以頁計價），所以必須要盡可能的精簡自己的內容。在這樣的訓練之下，可能就形成不太會講廢話的習慣。

對專有名詞與文字精準度的執著

在改稿時，會對某些用詞的精確性有所要求。在生物上總是有很多的例外，所以看到「都是」這個詞，總是會讓老師很緊張，有鑑於這是科普書，必須讓一般讀者好理解，因此必須有所取捨，同時也要考量在要求精確時，會否讓內容變得枯燥乏味。

沒時間

大學老師的工作包含教學、服務、研究，光這些工作就已經要讓時間都用盡了，更何況是寫書，況且寫書又是不同的專業。編輯也接觸許多不同的老師，他們對出書也都很有興趣，但每個老師都講一樣的話：「可是我沒時間」。很多老師沒時間，是即使想要像這樣透過訪談方式寫初稿再來修改，都很難空出時間進行訪談。

另一種專業：出書

《我的十堂大體解剖課》的出版過程，從選定主題「解剖與死亡」開始，經歷了許多調整，如中間遭遇「拖稿」的瓶頸，編輯安排訪談，加入另一個共同作者李翠卿，協助何翰蓁老師完成這本書。在文字的運用上也是一大突破，何翰蓁曾經可以用 500 字就把「縫合」講完，透過訪談方式進行寫作，可以擴寫到 5000 多字，讓這些知識更淺顯易懂。

另外，很特別的部分是，這本書中並沒有任何解剖圖。大家可能會問「沒有解剖圖，讀者怎麼能懂？」實際上書中文字描述已經非常足夠讀者理解。何翰蓁老師曾得到一位讀者的回應，透過這本書，很害怕看到解剖圖的他也能很清楚的認識身體的結構，並且不會被恐懼所影響。雖然書中沒有解剖圖，但仍有些插畫，是畫家透過老師對於器官的描述，進而聯想創造出的新圖像，讓大家在看完每個章節時，都能喘口氣之餘，更想繼續閱讀下一章。

《我的十堂大體解剖課》是個共同的作業，在出版社編輯、老師、訪談者、插畫家的合作之下才能夠產出。雖然出書過程沒有想像中簡單，途中也遭受了許多挫折，但是大家還是很努力的讓科學知識更容易被理解！此主題許多人都相當好奇，覺得很神祕卻一直沒有人把它講清楚，完成這本書也是個不錯的契機，讓大眾有機會更理解身體的構造。

「醫學是門不確定的科學，同時也是門藝術（Medicine is a science of uncertainty and an art of probability）」──威廉 · 奧斯勒（Sir William Osler），約翰霍普金斯醫院創始者

一種疾病不一定只有一種治療方法，如何選擇除了透過醫師的專業評估之外、也需要醫病之間有良好的溝通。在2017年的研究發現，當醫師用聽起來「太過專業」的詞彙和患者說明時，竟然會直接影響病患的決定？

醫師聽起來越專業，病人就越緊張？

在面對病人的時候，臨床溝通有時候可能更像是種藝術。「疑似水泡」、「囊腫」、「疑似腺瘤」、「有可能是癌症」都可能被用來形容在超音波上的一顆圓球般的影像。然而言者無心，聽者卻可能有意。即使疾病同時有「侵入性低（如：藥物或持續觀察）」和「侵入性高（如：外科手術）」可供患者選擇，若醫師使用 「聽起來超難懂（技術性高的詞彙）」的用語和病人溝通，患者就有可能會過於焦慮，進而更容易接受侵入性高、傷害性也高的醫療手段。

2017 年，澳洲雪梨大學（University of Sydney）的研究團隊針對六種疾病，進一步研究醫師敘述病情時所用的專業用詞，對於病人選擇的治療決策的影響 [1]。以女性的內分泌失調的疾病──多囊卵巢綜合症（polycystic ovary syndrome, PCOS）為例，對 181 名年輕女性假設被告知了（診斷）某種疾病，研究人員隨機地用了兩種用語，分別是：

• 多囊卵巢綜合症（原文：PCOS）
• 體內激素不平衡（原文：hormonal imbalance）

結果顯示被告知的用語是「多囊卵巢綜合症」的女性，相較於被告知的用語是「體內激素不平衡」的受試者，不僅自認為病情更嚴重、自尊也較低，同時也更趨向於願意接受進一步的超音波檢查──儘管超音波並非絕對的診斷標準 [2-4] [注 1]。

而在 2013 年，美國波士頓麻省總醫院（Massachusetts General Hospital）、杜克大學（Duke University）、加州大學（University of California）的聯合研究 [1, 5]中指出，若以三種不同用語來向患者說明乳房癌症 [5, 6]，則患者選擇的治療手段也不盡相同：

• 非侵襲性癌症（原文：non-invasive cancer）
• 乳房病變（原文：breast lesion）
• 非正常細胞（原文：abnormal cells）

結果發現，當患者被告知「非侵襲性癌症」時，有 53% 選擇了非手術性治療；而醫師用語是「乳房病變」時，選擇非手術的患者提高到 66%；而當患者聽到的是「非正常細胞」的時候，非手術性治療的人更增加到 69%。顯示了醫病溝通時，醫護團隊所選擇的詞彙，確實會影響患者的治療決策 [1, 5]。

過度治療指的是患者接受了不必要的檢查或療程，造成身體的痛苦或心理負擔，而在醫病溝通的用詞造成的過度治療，難以怪罪雙方。但「防禦性醫療（Defensive medicine）」所造成的醫療浪費和患者苦痛，卻血淋淋的顯示了現代醫病關係的緊張。

• 編按：防禦性醫療指的是醫護人員的診斷、治療等決策不是依歸於病人的最大利益，而是為了避免被告、造成醫療糾紛而因應的醫療行為。

因為我怕被你告，所以最好什麼檢查都做

「好賺第一賣冰，第二告醫生」，這是我家鄉流傳的一段諺語，明確地形容了現在醫師訴訟纏身、醫病關係緊張的現況。依據我國衛生福利部說明，台灣醫師每年平均約有 36.7 位醫師因醫療糾紛被刑事起訴，遠高於美國的每年約 1.2 位（0.004／百萬人口）及日本（0.12／百萬人口）的每年平均約 15 位，如換算成訴訟率則為美國的 400 倍，日本的 13 倍 [7]。

醫師容易被告的壓力之下，心理自然地會浮現過度治療的念頭──「如果我沒幫患者開這些檢查，就有可能被告」因此容易開立對病患無效的檢查，甚至是較痛苦或昂貴的醫療手段，徒增病患療程的不適與國家醫療資源的浪費。

根據美國在 2005 年的研究指出，詢問高風險科別的醫師（急診、外科、神經科等），結果發現幾乎所有的醫生（93%）都曾因畏懼訴訟，而給予「防禦性醫療」的診斷，甚至高達 42% 比例的醫師，承認曾給予病人不需要的醫學影像檢查 [8]。另外國內法學研究也指出，國內每一百名醫師裡，每年就有 5-16 名醫師就得要被刑事檢察官調查，甚至上法庭 [9]。也難怪現今的醫師們，寧可給予對患者不必要的藥物或檢查，造成過度治療、浪費醫療資源，也不願意承擔被告的風險了。

溝通，是門藝術

在儀器敏銳度提升及醫病緊張的時代，「過度治療」已經成了各國政府急待解決的挑戰。而我國的健保帶有社會福利、排除市場機制性質，造就了台灣政府是醫療支出的單一支付者，進而讓醫療浪費、過度治療成了歷屆健保改革最頭痛的問題。

然而， 2017 年的澳洲研究是針對英語醫療用詞，和西方文化的受試者。台灣似乎還沒有人針對中文醫療用詞對於醫療決策的選擇，進行類似的研究，也許政府或學術單位可以從這個角度切入，了解台灣民眾是否也會跟澳洲人有一樣的感受──「醫生講得好難懂，搞得我好害怕」。

• 本文感謝神奇海獅和衛生福利部台東醫院檢驗科張昱維（Yu-Wei Chang）協助

注解

• 注 1：該研究後續告知所有的受試者，超音波影像並非絕對的確診工具後，所有的女性接受超音波檢查的意願都降低了，有趣的是，她們認為自己病情的嚴重度也同時下降了。

參考文獻

1. Brooke Nickel, Alexandra Barratt, Tessa Copp, Ray Moynihan, Kirsten McCaffery ( 2017 ) Words do matter: a systematic review on how different terminology for the same condition influences management preferences. BMJ Open
2. Tessa Copp Kirsten McCaffery Lamiae Azizi Jenny Doust Ben W.J. Mol Jesse Jansen ( 2017 ) Influence of the disease label ‘polycystic ovary syndrome’ on intention to have an ultrasound and psychosocial outcomes: a randomised online study in young women. Human Reproduction, 32, 876-884
3. 吳婉華，陳昭源，林忠順。多囊性卵巢症候群之診斷與治療。家庭醫學與基層醫療月刊。第 27 卷第 4 期。台灣家庭醫學醫學會。
4. 蕭國明 ( 2017 ) 多囊性卵巢症候群。新光醫療財團法人新光吳火獅紀念醫院婦產科。
5. Zehra B. Omer, BA; E. Shelley Hwang, MD, MPH; Laura J. Esserman, MD, MBA; Rebecca Howe, BA; Elissa M. Ozanne, PhD ( 2013 ) Impact of Ductal Carcinoma In Situ Terminology on Patient Treatment Preferences. JAMA Internal Medicine. 173, 1830-1831, DOI: 10.1001/jamainternmed.2013.8405
6. 洪博文。乳癌外科治療的爭論議題（1），台灣乳房醫學會。
7. 推動醫療責任明確化、扭轉醫療生態、共創三贏，衛生福利部。
8. Studdert DM, Mello MM, Sage WM, DesRoches CM, Peugh J, Zapert K, Brennan TA. ( 2005 ) Defensive medicine among high-risk specialist physicians in a volatile malpractice environment. Journal of the American Medical Association. 293, 2609-2617
9. 吳俊穎、楊增暐、陳榮基（2014）醫療過失刑事歸責之實證分析。月旦法學雜誌。第 232 期，第 133-152 頁。