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？

本文與 研華科技 合作，泛科學企劃執行

我們都看過那種影片，對吧？網路上從不缺乏讓人驚嘆的機器人表演：數十台人形機器人像軍隊一樣整齊劃一地耍雜技 ，或是波士頓動力的機器狗，用一種幾乎違反物理定律的姿態後空翻、玩跑酷 。每一次，社群媒體總會掀起一陣「未來已來」、「人類要被取代了」的驚呼 。

但當你關掉螢幕，看看四周，一個巨大的落差感就來了：說好的機器人呢？為什麼大街上沒有他們的身影，為什麼我家連一件衣服都還沒人幫我摺？

這份存在於數位螢幕與物理現實之間的巨大鴻溝，源於一個根本性的矛盾：當代AI在數位世界裡聰明絕頂，卻在物理世界中笨拙不堪。它可以寫詩、可以畫畫，但它沒辦法為你端一杯水。

這個矛盾，在我們常見的兩種機器人展示中體現得淋漓盡致。第一種，是動作精準、甚至會跳舞的類型，這本質上是一場由工程師預先寫好劇本的「戲」，機器人對它所處的世界一無所知 。第二種，則是嘗試執行日常任務（如開冰箱、拿蘋果）的類型，但其動作緩慢不穩，彷彿正在復健的病人 。

這兩種極端的對比，恰恰點出了機器人技術的真正瓶頸：它們的「大腦」還不夠強大，無法即時處理與學習真實世界的突發狀況 。

這也引出了本文試圖探索的核心問題：新一代AI晶片NVIDIA® Jetson Thor™ ，這顆號稱能驅動「物理AI」的超級大腦，真的能終結機器人的「復健時代」，開啟一個它們能真正理解、並與我們共同生活的全新紀元嗎？

為何我們看到的機器人，總像在演戲或復健？

那我們怎麼理解這個看似矛盾的現象？為什麼有些機器人靈活得像舞者，有些卻笨拙得像病人？答案，就藏在它們的「大腦」運作方式裡。

那些動作極其精準、甚至會後空翻的機器人，秀的其實是卓越的硬體性能——關節、馬達、減速器的完美配合。但它的本質，是一場由工程師預先寫好劇本的舞台劇 。每一個角度、每一分力道，都是事先算好的，機器人本身並不知道自己為何要這麼做，它只是在「執行」指令，而不是在「理解」環境。

而另一種，那個開冰箱慢吞吞的機器人，雖然看起來笨，卻是在做一件革命性的事：它正在試圖由 AI 驅動，真正開始「理解」這個世界 。它在學習什麼是冰箱、什麼是蘋果、以及如何控制自己的力量才能順利拿起它。這個過程之所以緩慢，正是因為過去驅動它的「大腦」，也就是 AI 晶片的算力還不夠強，無法即時處理與學習現實世界中無窮的變數 。

這就像教一個小孩走路，你可以抱著他，幫他擺動雙腿，看起來走得又快又穩，但那不是他自己在走。真正的學習，是他自己搖搖晃晃、不斷跌倒、然後慢慢找到平衡的過程。過去的機器人，大多是前者；而我們真正期待的，是後者。

所以，問題的核心浮現了：我們需要為機器人裝上一個強大的大腦！但這個大腦，為什麼不能像ChatGPT一樣，放在遙遠的雲端伺服器上就好？

機器人的大腦，為什麼不能放在雲端？

聽起來好像很合理，對吧？把所有複雜的運算都交給雲端最強大的伺服器，機器人本身只要負責接收指令就好了。但……真的嗎？

想像一下，如果你的大腦在雲端，你看到一個球朝你飛過來，視覺訊號要先上傳到雲端，雲端分析完，再把「快閃開」的指令傳回你的身體。這中間只要有零點幾秒的網路延遲，你大概就已經鼻青臉腫了。

現實世界的互動，需要的是「即時反應」。任何網路延遲，在物理世界中都可能造成無法彌補的失誤 。因此，運算必須在機器人本體上完成，這就是「邊緣 AI」（Edge AI）的核心概念 。而 NVIDIA  Jetson 平台，正是為了解決這種在裝置端進行高運算、又要兼顧低功耗的需求，而誕生的關鍵解決方案 。

NVIDIA Jetson 就像一個緊湊、節能卻效能強大的微型電腦，專為在各種裝置上運行 AI 任務設計 。回顧它的演進，早期的 Jetson 系統主要用於視覺辨識搭配AI推論，像是車牌辨識、工廠瑕疵檢測，或者在相機裡分辨貓狗，扮演著「眼睛」的角色，看得懂眼前的事物 。但隨著算力提升，NVIDIA Jetson 的角色也逐漸從單純的「眼睛」，演化為能夠控制手腳的「大腦」，開始驅動更複雜的自主機器，無論是地上跑的、天上飛的，都將NVIDIA Jetson 視為核心運算中樞 。

但再強大的晶片，如果沒有能適應現場環境的「容器」，也無法真正落地。這正是研華（Advantech）的角色，我們將 NVIDIA Jetson 平台整合進各式工業級主機與邊緣運算設備，確保它能在高熱、灰塵、潮濕或震動的現場穩定運行，滿足從工廠到農場到礦場、從公車到貨車到貨輪等各種使用環境。換句話說，NVIDIA 提供「大腦」，而研華則是讓這顆大腦能在真實世界中呼吸的「生命支持系統」。

這個平台聽起來很工業、很遙遠，但它其實早就以一種你意想不到的方式，進入了我們的生活。

從Switch到雞蛋分揀員，NVIDIA Jetson如何悄悄改變世界？

如果我告訴你，第一代的任天堂Switch遊戲機與Jetson有相同血緣，你會不會很驚訝？它的核心處理器X1晶片，與Jetson TX1模組共享相同架構。這款遊戲機對高效能運算和低功耗的嚴苛要求，正好與 Jetson 的設計理念不謀而合 。

而在更專業的領域，研華透過 NVIDIA Jetson 更是解決了許多真實世界的難題 。例如

• 在北美，有客戶利用 AI 進行雞蛋品質檢測，研華的工業電腦搭載NVIDIA Jetson 模組與相機介面，能精準辨識並挑出髒污、雙黃蛋到血蛋 
• 在日本，為避免鏟雪車在移動時發生意外，導入了環繞視覺系統，當 AI 偵測到周圍有人時便會立刻停止 ；
• 在水資源珍貴的以色列，研華的邊緣運算平台搭載NVIDIA Jetson模組置入無人機內，24 小時在果園巡航，一旦發現成熟的果實就直接凌空採摘，實現了「無落果」的終極目標 。

這些應用，代表著 NVIDIA Jetson Orin™ 世代的成功，它讓「自動化」設備變得更聰明 。然而，隨著大型語言模型（LLM）的浪潮來襲，人們的期待也從「自動化」轉向了「自主化」 。我們希望機器人不僅能執行命令，更能理解、推理。

Orin世代的算力在執行人形機器人AI推論時的效能約為每秒5到10次的推論頻率，若要機器人更快速完成動作，需要更強大的算力。業界迫切需要一個更強大的大腦。這也引出了一個革命性的問題：AI到底該如何學會「動手」，而不只是「動口」？

革命性的一步：AI如何學會「動手」而不只是「動口」？

面對 Orin 世代的瓶頸，NVIDIA 給出的答案，不是溫和升級，而是一次徹底的世代跨越— NVIDIA Jetson Thor 。這款基於最新 Blackwell 架構的新模組，峰值性能是前代的 7.5 倍，記憶體也翻倍 。如此巨大的效能提升，目標只有一個：將過去只能在雲端資料中心運行的、以 Transformer 為基礎的大型 AI 模型，成功部署到終端的機器上 。

NVIDIA Jetson Thor 的誕生，將驅動機器人控制典範的根本轉變。這要從 AI 模型的演進說起：

1. 第一階段是 LLM（Large Language Model，大型語言模型）：
   我們最熟悉的 ChatGPT 就屬此類，它接收文字、輸出文字，實現了流暢的人機對話 。
2. 第二階段是 VLM（Vision-Language Model，視覺語言模型）：
   AI 學會了看，可以上傳圖片，它能用文字描述所見之物，但輸出結果仍然是給人類看的自然語言 。
3. 第三階段則是 VLA（Vision-Language-Action Model，視覺語言行動模型）：
   這是革命性的一步。VLA 模型的輸出不再是文字，而是「行動指令（Action Token）」 。它能將視覺與語言的理解，直接轉化為控制機器人關節力矩、速度等物理行為的具體參數 。

這就是關鍵！ 過去以NVIDIA Jetson Orin™作為大腦的機器人，僅能以有限的速度運行VLA模型。而由 VLA 模型驅動，讓 AI 能夠感知、理解並直接與物理世界互動的全新形態，正是「物理 AI」（Physical AI）的開端 。NVIDIA Jetson Thor 的強大算力，就是為了滿足物理 AI 的嚴苛需求而生，要讓機器人擺脫「復健」，迎來真正自主、流暢的行動時代 。

其中，物理 AI 強調的 vision to action，就需要研華設計對應的硬體來實現；譬如視覺可能來自於一般相機、深度相機、紅外線相機甚至光達，你的系統就要有對應的介面來整合視覺；你也會需要控制介面去控制馬達伸長手臂或控制夾具拿取物品；你也要有 WIFI、4G 或 5G 來傳輸資料或和別的 AI 溝通，這些都需要具體化到一個系統上，這個系統的集大成就是機器人。

好，我們有了史上最強的大腦。但一個再聰明的大腦，也需要一副強韌的身體。而這副身體，為什麼非得是「人形」？這不是一種很沒效率的執念嗎？

為什麼機器人非得是「人形」？這不是一種低效的執念嗎？

這是我一直在思考的問題。為什麼業界的主流目標，是充滿挑戰的「人形」機器人？為何不設計成效率更高的輪式，或是功能更多元的章魚型態？

答案，簡單到令人無法反駁：因為我們所處的世界，是徹底為人形生物所打造的。

從樓梯的階高、門把的設計，到桌椅的高度，無一不是為了適應人類的雙足、雙手與身高而存在 。對 AI 而言，採用人形的軀體，意味著它能用與我們最相似的視角與方式去感知和學習這個世界，進而最快地理解並融入人類環境 。這背後的邏輯是，與其讓 AI 去適應千奇百怪的非人形設計，不如讓它直接採用這個已經被數千年人類文明「驗證」過的最優解 。

這也區分了「通用型 AI 人形機器人」與「專用型 AI 工業自動化設備」的本質不同 。後者像高度特化的工具，產線上的機械手臂能高效重複鎖螺絲，但它無法處理安裝柔軟水管這種預設外的任務 。而通用型人形機器人的目標，是成為一個「多面手」，它能在廣泛學習後，理解物理世界的運作規律 。理論上，今天它在產線上組裝伺服器，明天就能在廚房裡學會煮菜 。

但要讓一個「多面手」真正活起來，光有骨架還不夠。它必須同時擁有強大的大腦平台與遍布全身的感知神經，才能理解並回應外在環境。人形機器人的手、腳、眼睛、甚至背部，都需要大量感測器去理解環境就像神經末梢一樣，隨時傳回方位、力量與外界狀態。但這些訊號若沒有通過一個穩定的「大腦平台」，就無法匯聚成有意義的行動。

這正是研華的角色：我們不僅把 NVIDIA Jetson Thor 這顆核心晶片包載在工業級電腦中，讓它成為能真正思考與反應的「完整大腦」，同時也提供神經系統的骨幹，將感測器、I/O 介面與通訊模組可靠地連結起來，把訊號傳導進大腦。你或許看不見研華的存在，但它實際上遍布在機器人全身，像隱藏在皮膚之下的神經網絡，讓整個身體真正活過來。

但有了大腦、有了身體，接下來的挑戰是「教育」。你要怎麼教一個物理 AI？總不能讓它在現實世界裡一直摔跤，把一台幾百萬的機器人摔壞吧？

打造一個「精神時光屋」，AI的學習速度能有多快？

這個問題非常關鍵。大型語言模型可以閱讀網際網路上浩瀚的文本資料，但物理世界中用於訓練的互動資料卻極其稀缺，而且在現實中反覆試錯的成本與風險實在太高 。

答案，就在虛擬世界之中。

NVIDIA Isaac Sim™等模擬平台，為這個問題提供了完美的解決方案 。它能創造出一個物理規則高度擬真的數位孿生（Digital Twin）世界，讓 AI 在其中進行訓練 。

這就像是為機器人打造了一個「精神時光屋」 。它可以在一天之內，經歷相當於現實世界千百日的學習與演練，從而在絕對安全的環境中，窮盡各種可能性，深刻領悟物理世界的定律 。透過這種「模擬-訓練-推論」的 3 Computers 閉環，Physical AI (物理AI) 的學習曲線得以指數級加速 。

我原本以為模擬只是為了節省成本，但後來發現，它的意義遠不止於此。它是在為 AI 建立一種關於物理世界的「直覺」。這種直覺，是在現實世界中難以透過有限次的試錯來建立的。

所以你看，這趟從 Switch 到人形機器人的旅程，一幅清晰的未來藍圖已經浮現了。實現物理 AI 的三大支柱已然齊備：一個劃時代的「AI 大腦」（NVIDIA Jetson Thor）、讓核心延展為「完整大腦與神經系統」的工業級骨幹（由研華 Advantech 提供），以及一個不可或缺的「教育環境」（NVIDIA Isaac Sim 模擬平台） 。

結語

我們拆解了那些酷炫機器人影片背後的真相，看見了從「自動化」走向「自主化」的巨大技術鴻溝，也見證了「物理 AI」時代的三大支柱——大腦、身軀、與教育——如何逐一到位 。

專家預測，未來 3 到 5 年內，人形機器人領域將迎來一場顯著的革命 。過去我們只能在科幻電影中想像的場景，如今正以前所未有的速度成為現實 。

這不再只是一個關於效率和生產力的問題。當一台機器，能夠觀察我們的世界，理解我們的語言，並開始以物理實體的方式與我們互動，這將從根本上改變我們與科技的關係。

所以，最後我想留給你的思想實驗是：當一個「物理 AI」真的走進你的生活，它不只是個工具，而是一個能學習、能適應、能與你共同存在於同一個空間的「非人智慧體」，你最先感受到的，會是興奮、是便利，還是……一絲不安？

這個問題，不再是「我們能否做到」，而是「當它發生時，我們準備好了嗎？」

研華已經整裝待發，現在，我們與您一起推動下一代物理 AI 與智慧設備的誕生。
https://bit.ly/4n78dR4

• 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。

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。