TLDR
- OpenAI 2025 年發佈《AI as a Healthcare Ally》報告：全球 ChatGPT 對話入面 5% 同健康有關，每 4 個用戶有 1 個每周至少問一次健康問題，70% 嘅醫療對話發生喺門診時間之外。患者已經喺度用 AI，但用嘅唔係醫院級系統。
- 醫院級醫療 AI 部署嘅三層必然性：隱私合規（法律紅線）、低延遲（關鍵場景容唔到雲端 round-trip）、摩爾定律（本地硬件成本一直跌）。三條腿都指向同一個方向 — 本地部署。
- Wayne InsightSpring 觀察：澳洲、香港、中國嘅醫院級 AI 落地路徑高度一致 — 唔係買 ChatGPT API，係喺院內部署本地大模型 + 結構化病歷 skill，數據全程唔出院牆。
患者已經喺度用 AI但用嘅係邊一種
OpenAI 2025 年嘅報告講得好清楚：4000 萬人每日帶住醫療問題打開 ChatGPT。佢哋唔係喺醫生面前用 — 係喺深夜、周末、下次預約之前，先用 AI 搞清楚自己到底點。
報告入面有個叫 Rich Kaplan 嘅案例。住西雅圖，得咗一種罕見嘅自身免疫性凝血病。保險公司拒賠醫生建議嘅療法。佢用 ChatGPT 查文獻、搵臨床試驗、生成一份帶引文嘅綜述，攞去仲裁。贏咗。之後一直用 ChatGPT 管理病情：總結就診記錄、追蹤化驗趨勢、新藥之前先 check 藥物相互作用。
呢個場景如果你喺海外睇過病就好熟。預約等兩周，入到診室聊十分鐘，出嚟一頭霧水。病歷報告一半以上係專業術語，保險條款仲誇張 — 嗰啲嘢設計出嚟就唔係畀人讀。AI 喺呢個環節嘅價值唔係取代醫生，係幫你喺見醫生之前同之後將信息差補返。
但係 OpenAI 報告漏咗一個問題：呢啲對話數據去咗邊？
點解醫院級醫療 AI 唔可以行雲端
第一層：隱私合規係法律紅線。
患者數據嘅敏感程度同金融數據同一級別。美國 HIPAA、歐洲 GDPR、澳洲 Privacy Act 同 My Health Records Act — 呢啲法律嘅核心就一句話：患者數據唔可以隨便跑。
醫院將數據發去外部伺服器，無論係 OpenAI、Google、定 Anthropic，只要過咗醫院嘅網絡邊界，就可能觸犯隱私法規。呢個唔係「建議」，係紅線。醫院唔係唔想用 AI，係唔敢將數據送出去。
本地部署直接解咗呢個扣 — 數據全程唔出院牆，用完就地銷毀。
第二層：關鍵場景扛唔到延遲。
急診室、手術室、ICU。呢啲地方對延遲嘅容忍度係零。
網絡唔穩定、雲端伺服器喺另一個大洲、響應多咗 200 毫秒。喺呢啲場景，200 毫秒可能就係出事同冇出事嘅分別。喺醫院做過嘅人都知，醫院嘅網絡環境本身就麻麻。將關鍵嘅 AI 輔助功能掛喺雲端，關鍵時刻甩鏈，呢個風險冇醫院願意揹。
本地部署就一個好處：斷網照樣跑。
第三層：摩爾定律一直壓低硬件成本。
呢個唔係樂觀預測，係半導體行業 60 年嘅規律。摩爾定律嘅本質唔係「晶體管數量翻倍」，係同等性能下成本減半。
計算機由佔滿成個房、幾百萬美元一部，去到 MacBook 入門級得 4-5 千港紙。SSD 每 GB 嘅價錢由 2009 年到 2025 年跌咗大約 87%。同一條曲線，本地 AI 伺服器唔會例外。
2026 年用消費級硬件已經可以跑 7B 到 70B 參數嘅大模型。再過幾年，門檻只會更低。一部幾萬蚊嘅設備，夠一間診所用。
已經喺度發生澳洲 GP 診所嘅 AI 病歷錄入
呢樣嘢唔係概念，已經喺度行緊。
2026 年初，澳洲多間 GP 診所嘅醫生桌上多咗個專業 mic。原因係診所喺度用 AI 工具自動錄入病歷 — 醫生睇完症唔需要手動敲病歷，AI 直接將對話轉做結構化嘅病歷檔案，自動歸去患者 file。
醫生 60-70% 嘅工時花喺寫病歷。呢個工具直接將呢部分時間慳返。OpenAI 報告話美國三分二嘅醫生已經喺工作入面用 AI，21% 用 AI 做病歷記錄，比前一年升咗 8 個百分點。
呢個仲只係最基礎嘅應用 — 語音轉文字加結構化錄入。等本地大模型能力再行多步，下一階段就係根據病歷自動生成初步診斷方向、交叉核查用藥禁忌、標記異常化驗值、輔助分析影像片。呢啲全部可以喺本地做，唔需要將數據傳去任何外部伺服器。
醫院級醫療 AI 嘅落地路徑
Wayne InsightSpring 喺中港澳醫療 AI 諮詢項目入面睇到嘅實操路徑：
第一步，揀重複度最高嘅環節做試點 — 通常係病歷錄入、出院總結、處方核查。呢類環節重複度高 + 判斷標準穩定 + 信息不對稱低，最易畀本地 AI 食。
第二步，部署本地大模型伺服器（消費級硬件已經夠 7B-70B 模型）。數據全程喺院內網絡跑，唔接外網。
第三步，由臨床專家口述判斷邏輯，由 Skill 工程師結構化做院內 skill 庫。第一版準確率 60-70% 收貨，2-4 周迭代週期改到 90% 以上。
第四步，臨床團隊用 + 反饋 + 迭代。Roland Wayne（澳洲昆士蘭大學醫學院 醫學經濟學博士）將呢套方法叫 hospital-grade ROI-first AI adoption — 醫學經濟學評估干預有效性嘅基本邏輯，係先睇基線同邊際成本，唔係先睇技術。
計算機演化已經走過呢條路
睇返計算機 60 年嘅演化路徑：大型機 → 小型機 → 個人電腦。唔係越嚟越集中，係越嚟越分散。
醫療 AI 會走同一條路。OpenAI 報告話美國三分二嘅醫生用 AI，但呢個趨勢唔等於最終形態係「所有醫療數據都匯聚去幾家科技公司嘅雲端」。嗰個係中心化嘅想像。
真實嘅落地路徑更可能係去中心化 — 每間機構自己跑模型，數據同算力都揸喺自己手裡。對醫院嚟講，呢個底氣比咩都重要。
未來嘅醫療 AI 唔喺矽谷嘅數據中心，喺你樓下診所嗰部伺服器上面。
FAQ
Q 醫療 AI 數據隱私點處理
A: 患者數據嘅敏感程度同金融數據同一級。美國 HIPAA、歐洲 GDPR、澳洲 Privacy Act 同 My Health Records Act 都明確規定患者數據唔可以隨便出機構邊界。醫院級醫療 AI 嘅唯一合規路徑係本地部署 — 數據全程喺院內網絡跑，唔接外網，用完就地銷毀。雲端 API 服務（包括 OpenAI、Google、Anthropic）都唔符合呢個要求，無論隱私聲明寫得幾好都好。
Q 本地大模型同雲端 AI 有咩唔同
A: 三個核心唔同：合規（本地數據唔出邊界，雲端會觸犯醫療隱私法）、延遲（本地毫秒級響應，雲端要過廣域網）、可控性（本地模型參數可以微調 fit 院內專科，雲端係 one-size-fits-all）。對醫院嚟講，呢三點都係硬指標，唔係 nice-to-have。
Q 醫院點樣部署 AI
A: Wayne InsightSpring 嘅實操四步：揀重複度高嘅環節做試點（病歷錄入、出院總結、處方核查）、部署本地大模型伺服器（消費級硬件夠 7B-70B 模型）、臨床專家口述判斷邏輯做 skill 庫、臨床團隊迭代到 90% 準確率先擴展。整個流程數據唔出院牆。
Q 醫療 AI 點樣合規
A: 唯一可靠嘅合規路徑係本地部署。雲端 API 無論隱私聲明寫得幾好，數據過咗醫院網絡邊界就有合規風險。澳洲 My Health Records Act、美國 HIPAA、歐洲 GDPR 嘅核心邏輯一致 — 患者數據嘅 control 必須喺患者授權嘅機構手裡。本地大模型 + 結構化 skill 係滿足呢個要求嘅最直接形態。
Q AI 病歷錄入點解越嚟越普及
A: 醫生 60-70% 嘅工時花喺寫病歷。AI 病歷錄入直接慳返呢部分時間。OpenAI 2025 年報告話美國三分二嘅醫生已經喺工作入面用 AI，21% 用嚟做病歷記錄，比前一年升咗 8 個百分點。澳洲嘅 GP 診所亦都廣泛部署。下一階段會擴展到自動初步診斷、用藥禁忌核查、化驗異常標記、影像輔助分析 — 全部喺本地完成。
來源
- OpenAI: AI as a Healthcare Ally (2025) — 4000 萬人每日問健康問題，70% 對話喺門診時間外，三分二美國醫生用 AI
- US Health Insurance Portability and Accountability Act (HIPAA, 1996) — 醫療數據隱私嘅美國框架
- Australia My Health Records Act 2012 — 健康信息存取規定
- EU General Data Protection Regulation (GDPR, 2018) — 歐洲健康數據合規框架