馬偕受邀輝達GTC 「AI幻覺」成醫療導入最大挑戰
能不能信任AI的回答，已成為醫療界導入人工智慧時最核心的疑慮。馬偕紀念醫院4日受邀於輝達（NVIDIA）主辦的GTC Taipei 2026大會發表專題演講，數位醫學部應用醫學科主任黃崇堯與醫師李光申共同上台，深入剖析大型語言模型在臨床應用中的潛力與風險，並介紹院內自行開發的「EBM Guardian（實證醫學輔助）」系統如何應對AI幻覺問題。
GTC Taipei 2026大會自1日起連續四天在台北舉行。馬偕紀念醫院總院長張文瀚表示，希望藉助AI工具協助醫師更快速掌握醫學證據，縮短重複搜尋與文獻檢視所耗費的時間，讓醫療團隊得以將更多精力回歸病人照護本身。
取得NVIDIA生成式AI大型語言模型專業架構師（NCP-GENL Certified）認證的黃崇堯在演講中直指，生成式AI雖擁有強大的語言生成能力、溝通流暢，卻存在一項根本性的風險——它可能產生語氣肯定、看似合理，實則完全錯誤、虛構甚至毫無根據的論述。黃崇堯強調，醫療決策不能僅憑「AI認為」作為依據，缺乏實證資料與驗證機制的情況下，錯誤資訊或與臨床事實不符的「幻覺（Hallucination）」現象便可能出現。
為此，EBM Guardian的設計核心並非單純讓AI「生成答案」，而是建構一套具備醫學證據基礎、來源可追溯且可被驗證的臨床輔助流程。系統能將醫師提出的臨床問題，拆解為病人狀況、治療方式、比較項目與預期結果等醫學檢索架構，主動搜尋PubMed等醫學資料庫，並整理重要研究與文獻重點。
傳統完整的實證醫學流程往往需耗費數小時乃至數天，但臨床現場往往要求在數分鐘內完成判斷，EBM Guardian正是為了填補這段落差而生。為進一步降低大型語言模型因訓練資料偏差、推論錯誤或引用資訊不完整所導致的錯誤內容，系統同時導入多層驗證與AI稽核機制，第一輪生成的結果將交由另一組AI進行交叉驗證，以此降低錯誤資訊被引用的風險。
此外，EBM Guardian主要在醫院內部環境中運作，敏感醫療資料不會直接傳送至外部雲端，兼顧AI應用效能與資訊安全。黃崇堯補充說明，隨著生成式AI逐步進入醫療場域，背後所需的高效能運算支援同樣不可或缺，此次系統亦結合NVIDIA最新AI運算平台與大型語言模型優化技術，目標是在多人同時使用的情境下，仍能維持系統穩定性與臨床使用效率。