AI 幫忙「翻譯」藥單：看起來很會講人話，卻可能教你吃錯藥                                                                  

「醫師，這袋藥到底要怎麼吃？」門診裡，七十歲的陳阿伯把一整袋藥攤在桌上，藥袋上印著「一日三次、飯後服用、避免與葡萄柚同食」。他抬起頭，一臉困惑：「飯後是飯後多久？葡萄柚是連柚子也不行嗎？」

這不是個案。看不懂藥單、看不懂衛教單，其實是全民通病。別小看這件事──研究顯示，一個人能不能讀懂自己的健康資訊，對健康的影響甚至比年齡、收入還要關鍵。偏偏現實是，就連美國頂尖醫院發給病人的衛教資料，閱讀難度都超過一般成年人能輕鬆讀懂的程度，等於寫了，卻沒幾個人真的看懂。

於是有人想到：讓 AI 來當「翻譯機」。

2026 年一篇發表在《Journal of Medical Internet Research》的研究，就真的做了這件事。團隊設計一系列開藥情境，讓 ChatGPT-4 和兩款 Meta 的 Llama 模型，把處方自動「翻譯」成病人看得懂的白話用藥說明，再請 62 位醫療人員蒙著眼睛評分。結果最強的 ChatGPT-4 拿到中位數 88.4 分，是三款裡最高的，尤其在「把話講白」這一項明顯勝出。聽起來，AI 簡直是醫病溝通的救星。

但同一篇研究，也讓人捏了把冷汗。

它發現，這些 AI 寫出來的用藥指示裡，大約每四到五份就有一份（22.7%）可能導致病人用錯藥；還有約一成（10.6%）的內容是 AI 自己「編」出來的，也就是俗稱的「幻覺」。換句話說，這位實習生很會講人話，卻偶爾會一本正經地胡說八道。更麻煩的是「漏講」：一項心臟科的研究發現，當 AI 被問到心肌梗塞的急救步驟時，竟有四分之一到將近一半的回答，漏掉了可能救命的關鍵動作。

這還不是單一研究的吹毛求疵。另一篇由藥師主導、丟給 AI 整整 300 個藥物問題的研究更直接：能做到「答案完全正確、又附得出可靠出處」的，只有大約兩成（19%）；甚至有一成多（15%）的回答根本是錯的，還附上不存在的假文獻。藥物劑量、交互作用這種差一點就出事的事，這樣的正確率，顯然還不能讓人安心把命交出去。

所以，AI 到底能不能信？

現階段的建議是：把它當成超強的「醫學白話文助手」，而不是醫師。AI 最厲害的地方，是把艱澀的醫學術語改寫成阿公阿媽都聽得懂的白話──前面那篇神經外科研究就證實，AI 改寫後的衛教單，能降到一般人讀得懂的程度，又不失準，而這正是傳統衛教最缺的一塊。

我們其實也已經知道怎麼讓它更牢靠。研究發現，先餵給 AI 正確的官方資料（例如藥品仿單）再請它回答，答案的正確度與完整度都會明顯提升。但即使如此，那篇 JMIR 研究的結論仍講得很白：這項技術要真正上線，一定得有「開藥醫師親自把關」這道防線。

給你一個實用的方法：下次拿到看不懂的藥單，你大可請 AI 幫你把上頭的「醫療術語」翻成白話，例如藥袋上的「BID」「TID」到底是一天吃幾次（一天兩次、一天三次）、「PRN」原來是「不舒服時再吃、不是天天吞」、開場陳阿伯問的「飯後服用」一般來說究竟是指飯後多久、又或者這顆標示緩釋的藥，能不能剝半磨粉配水吞。這類名詞和用法的解釋，AI 通常又快又清楚，了解基礎資訊後可以與醫師再次確認，這時候討論起來速度就快多囉。

但只要牽涉到該吃多少、能不能自己停藥、會不會跟你正在吃的其他藥或食物打架，這些決定請務必回頭問你的醫師或藥師。AI 負責讓你看得懂，醫師負責讓你用得對，這兩件事，現在還不能交給同一個人。

也許有一天，當把關機制更成熟，藥袋上那行天書真的會自動變成你看得懂的一句話。但在那天到來前，請記得：再聰明的 AI，也取代不了那句「醫師，我這樣吃，對嗎？」