大型語言模型於醫療與醫學的倫理考量

一頁先懂｜核心判斷

01｜27 篇研究最常討論哪些倫理議題

本回顧由 Fareed 等人發表於 Frontiers in Digital Health（2025 年 9 月），依 PRISMA 2020 執行。檢索 ACM Digital Library、SpringerLink、World Scientific、Wiley Online Library 與 PubMed 五個資料庫，最後一次檢索為 2025 年 6 月 10 日，最終納入 27 篇同儕審查研究。納入條件限定英文、開放取用文獻，付費期刊與非英文研究未納入，作者自己也指出這可能漏掉重要研究；篇數多寡反映的是研究熱度，不是風險大小。

作者把每篇研究歸入一類主要倫理議題，分布如下：

前五類合計 22 篇，為本文逐一說明之重點。錯誤資訊與研究誠信雖只有 2 篇，但與研究者的日常最相關，另立一節。

從研究情境來看，臨床決策支援最多（7 篇），其次是心理健康與病人參與及自我管理（各 4 篇）。被分析的模型以 GPT 系列為主，占 14 篇（51.8%）。

以下各節依同一個順序寫：這類問題之研究發現、把關在做什麼、使用前可以問自己哪幾句話。

02｜偏誤與公平：同樣的問題，不同病人得到不同答案

研究發現

1. 以 GPT-4 進行診斷與治療規劃，輸出出現人口學偏誤，包括疾病盛行率估計偏差，以及對不同群體給出不同建議；作者認為這可能擴大健康不平等。
2. 以已被推翻的「種族醫學」情境詢問多個商用 LLM，回答前後不一致，有時帶有種族偏見的內容；研究情境為醫學教育。
3. 以 Schwartz 價值理論比較 Bard、Claude、GPT-3.5 與 GPT-4，模型輸出呈現偏向西方的價值取向，並影響臨床建議。
4. 臨床語言模型 Clinical BERT 在性別、語言、族裔與保險身分間存在表現差距；對抗式去偏只能部分改善。

回顧作者也指出，去偏方法多半停留在概念層次，缺少真實臨床場域的驗證。

把關在做什麼

導入前的測試若只看整體準確率，群體間的差距會被平均。分組檢視結果，是讓這類偏誤現形之最低要求。

使用前自問

1. 測試案例有無涵蓋不同性別、年齡、族群與保險身分？結果有無分組檢視？
2. 模型的訓練資料以哪些族群、語言為主？和我們的病人組成差多少？

03｜安全與可靠：看起來合理的錯誤最難抓

研究發現

1. 飲食障礙康復聊天機器人研究發現，使用者可能不加質疑地接受建議，帶來不安全建議的風險；作者建議介面設計要促使使用者保持批判。
2. GPT-3.5 與 GPT-4 對醫療資料交換標準 FHIR 的理解，未達臨床任務所需的準確度，影響資料完整性與病人安全。
3. 在病人就醫路徑規劃的情境，將規則檢核（形式化驗證）與 LLM 輸出結合，可減少幻覺與違反限制條件的情形。

蔡甫昌等人在《台灣醫學》的論文也提醒，醫師不一定能分辨幻覺內容的真偽，容易對錯誤的診斷或治療建議過度自信。

把關在做什麼

錯誤的內容若寫得流暢，最容易直接被採用。把關的重點在於輸出送到使用者面前之前，有明確的核對對象（原始病歷、臨床指引）與核對負責人。

使用前自問

1. 誰負責核對輸出？依據什麼核對？
2. 使用者知道這是待確認的草稿嗎？介面上有作提醒嗎？

04｜透明與可解釋：說不出依據，就無法覆核

研究發現

1. 比較 LLM 與自殺學專家對自殺介入回應的評分，LLM 系統性地高估回應的適切性；作者認為未經專家基準比對就部署，會帶來倫理風險。
2. 一般提示方式下，模型的推理過程不透明；改用程式碼形式的提示，可讓醫療決策的邏輯得以檢驗。

回顧作者指出，可解釋 AI 的方法在醫療領域多仍屬理論，少有大規模的實地評估。

把關在做什麼

覆核的人要能看到輸出依據的來源，才有辦法判斷對錯；看不到依據時，覆核只剩下「看起來對不對」。

使用前自問

1. 看得到輸出所依據的資料或出處嗎？
2. 模型的判斷有無與專家判斷做過對照？差距方向為何？

05｜當責與法律責任：出事時，責任落在誰身上

研究發現

1. 在急診輕度創傷性腦損傷的分流情境，GPT-4 能提供清楚的指引，但可能遺漏關鍵細節，可讀性也有落差。
2. 以 ChatGPT 草擬病例報告可加快作業，但會遺漏關鍵病史；臨床人員必須仔細審閱。
3. 放射與出院摘要的生成，引發責任歸屬不明、偏誤與內容效度的疑慮。
4. 外科決策支援的研究建議：由第二位臨床人員覆核、明確區分 AI 建議與醫師判斷、嚴格去識別化，並取得知情同意。

台灣的脈絡

蔡甫昌等人整理：依醫師法第 12 條，醫師製作病歷須簽名或蓋章，實質上即要求醫師為病歷內容負責。以 AI 語音工具製作病歷，即使視為軟體輔助工具，仍有爭議，包括可能須依醫療器材規定管理，以及醫師須為輸入的資料負責。作者也強調，生成式 AI 本身並非為病人負責的主體。

把關在做什麼

責任要落實，紀錄上就要能分辨出哪些為 AI 產出、哪些是醫師判斷，並且知道簽名者核對內容。

使用前自問

1. 在紀錄中，AI 草稿與醫師判斷分得開嗎？
2. 簽名前核對哪些欄位？遺漏的內容由誰補齊？

06｜隱私與資安：模型記得的，可能是不該留的

研究發現

1. 語音健康聊天機器人加入長期記憶後，使用者參與和自我揭露增加，但在回想敏感細節時引發隱私疑慮。
2. 聯邦式微調結合差分隱私，讓多個機構在不交換原始資料的情況下改良模型。
3. 以個人資料儲存與智慧合約設計的去中心化聊天機器人，讓慢性病病人掌控自己的健康紀錄。

蔡甫昌等人另提醒兩種風險：模型合成的資料可能重新識別出個人；有心人士也可能以取得的真實病人紀錄攻擊模型，取回訓練資料中的資訊。

台灣的脈絡

《行政院及所屬機關（構）使用生成式 AI 參考指引》自 2023 年 10 月 3 日生效，規定不得向生成式 AI 提供涉及公務應保密、個人及未經同意公開的資訊；封閉式地端部署的模型，確認系統環境安全後，得依機密等級分級使用。公營事業、公立學校、行政法人及政府捐助之財團法人得準用。

使用前自問

1. 輸入的內容含不含可識別個人的資訊？去識別化在輸入前是否已完成？
2. 資料送到哪裡、保存多久、會不會被用於再訓練？契約上是否已寫清楚？

07｜研究者多看一眼：錯誤資訊與研究誠信

本類在回顧中僅有 2 篇，和寫論文、做研究的人關係最直接。

研究發現

1. 有研究以「AI 驅動的資訊疫情」形容風險：未受規範的模型輸出，可能讓誤導性內容大量湧入科學文獻；作者呼籲採用可被偵測的文字設計，並加強專家監督。
2. 另一篇研究把社會脈絡特徵納入健康假新聞偵測器，提高偵測準確度與可解釋性。

台灣的脈絡

蔡甫昌等人整理台灣內科醫學會醫學倫理委員會 2023 年的共識，對撰寫科學性著作的規範相當具體：

1. 生成式 AI 可協助撰寫研究紀錄、整理與分析資料、將數據圖表化、整理參考文獻。
2. 使用情形應記載於方法，或於致謝中說明；協助產出的數據表格與圖表，應在結果中註明。
3. 討論與結果應由研究者自行撰寫，不可由生成式 AI 產出。
4. 生成式 AI 不應列名為作者。
5. 未申明使用視為抄襲；由生成式 AI 捏造數據視為偽造。

回顧本身的提醒

作者觀察到，許多納入研究已通過或豁免倫理審查（IRB），並對敏感資料去識別化；涉及人類受試者的研究，另有知情同意程序。但在一般受試者保護之外，針對 AI 的防護較少被提及。換句話說，通過倫理審查，並不代表 AI 相關風險已經處理。

使用前自問

1. 方法節有沒有寫明用了哪個模型、哪個版本、用在哪個步驟？
2. 結果與討論是自己寫的嗎？AI 協助整理的參考文獻，每一筆都查過原文了嗎？
3. 計畫書與倫理審查申請中，有無說明 AI 的使用範圍與資料去向？

08｜帶得走的對照表：倫理面向 × 臨床情境 × 自問

回顧作者依 27 篇研究，提出一個暫行的四層整合框架：法規層（法律與政策保障）、技術防護（偏誤稽核、差分隱私、聯邦學習等）、人為監督（臨床人員覆核、知情同意、參與式設計）、透明與當責（可解釋方法、稽核軌跡、紅隊測試）。

第 5 期介紹的衛福部指引，則把這類要求落成醫院內可執行的流程。流程所對應的即為下表各面向；可逐條確認，進行把關。

表中「情境」取自回顧納入的研究，「自問」為匯東華依各類問題整理的檢核句。九類之中，自主與個人化、可信度、文化與公平近用三類各只有 1 篇，因此合併為最後一列。

蔡甫昌等人引用 Ong 等人的整理，提供另一個角度，用生命倫理四原則來對照：行善對應當責與可靠，不傷害對應避免幻覺，自主對應資料隱私與知情同意，正義對應透明與偏誤。熟悉四原則的臨床人員，可以用這組對應快速定位。

結語｜先認出議題，再確認把關的人

每一種 LLM 用法都可以先問兩件事：它落在哪一類倫理議題？出錯時，誰會發現、誰負責？

兩個問題都答得出來，導入流程才有明確的防守對象。

參考文獻

1. Fareed, Muhammad, Madeeha Fatima, Jamal Uddin, Adeel Ahmed, and Muhammad Awais Sattar. "A Systematic Review of Ethical Considerations of Large Language Models in Healthcare and Medicine." Frontiers in Digital Health 7 (2025): 1653631. https://doi.org/10.3389/fdgth.2025.1653631
2. 蔡甫昌、周昱辰。〈大型語言模型醫學應用之倫理挑戰與監理〉。《台灣醫學》29 卷 1 期（2025）：75-85。https://doi.org/10.6320/FJM.202501_29(1).0010
3. 衛生福利部。《醫療機構應用生成式人工智慧指引》。115 年 5 月 29 日衛部醫字第 1151663164 號函頒。衛生福利部醫事司。https://www.mohw.gov.tw/cp-18-86695-1.html （查閱日期：2026 年 9 月 13 日）

AI 使用聲明

本文由匯東華統計顧問有限公司　陳秀敏　博士撰稿，Claude Opus 5.5 協助原文檢索、內容整理、圖表繪製與版面排版，最終內容已由作者審閱定稿。文中引自兩篇期刊論文之內容，均逐頁核對原文 PDF；Fareed 等人論文之作者、年份、期刊與識別碼以 CrossRef 查證，蔡甫昌等人論文之識別碼經 DOI 註冊機構確認。圖 1 依原文數據重繪。日期：2026 年 10 月 2 日。

同期其他單元

• 統計方法實務｜醫學研究常見統計錯誤
• 方法論／工具｜論文不只是拿來讀的：把研究論文變成可互動、可靠的 AI 智能體

匯東華電子報 第 6 期｜2026.10.02｜看本期網頁版 →