本週把「AI 比醫師強」這句話推到最高點，然後同一週的每一份證據都把它拉回地面——9/28 McKinsey 算出臨床 AI 已可執行美國門診照護的 16–22%（20–30 億筆年度 claims），9/29 衛生部長 Kennedy 在 MAHA 高峰會說 AI 的第二意見「比全國任何一位醫師都更有見識」，9/30 六大醫學會聯合聲明反駁，而被問到的醫院資訊主管給出的實測數字是「初級與急症照護的 1–2%」；這一週唯一真的交出第三方驗證的自主 AI，做的是帳單

9 月 28 日發表的〈The AI-powered future of care〉算出，臨床 AI 已可執行美國門診照護的 16–22%，約當每年 20–30 億筆理賠、門診總支出的 13–19%。拆開來是兩塊：evaluation & management（E&M）門診佔門診理賠的 11–15%（15–20 億筆），影像與診斷判讀佔 5–7%（7–9 億筆）。勞動力面，1,900 萬名美國醫療從業者中約 1,100 萬人（近六成）的核心任務有相當比例可被 AI 執行。方法是拿 2024 年 Merative 商保理賠、CMS Medicare Limited Data Set 與 Medicaid VRDC 三組資料，用 billing code 與 procedure modifier 辨識可自動化的理賠，再用 O*NET 職業資料對照任務層級的暴露度（McKinsey, 2026-09-28；Becker's 整理）。

這是本週所有爭論的共同引用來源。它之所以好用，正是因為它衡量的不是「AI 準不準」而是「有多少工作在技術上可被接手」——理賠碼是現成的、可稽核的，不需要任何模型自評。但它衡量的也不是「已經被接手了多少」，而這個差別在接下來三天被整個產業用力拉開。

這是顧問公司的技術可行性上限，不是部署率。底層是 2024 年的理賠資料，兩年的時差對這個領域不算小。而且「可被 AI 執行」在方法上是用 billing code 粗分類推出來的，同一個 E&M code 底下的病人複雜度差異極大。

McKinsey & Company, 2026-09-28

9 月 29 日，衛生及公共服務部長 Robert F. Kennedy Jr. 在華府的 Make America Healthy Again（MAHA）高峰會與副總統 JD Vance 對談時表示，AI 能給病人一個「比全國任何一位醫師都更有見識」的第二意見，會讓病人脫離「medical tyranny」、能自行驗證公衛官員關於口罩、社交距離與疫苗的建議；他並表示政府將確保「每一個美國人都能在手機上取得自己的病歷」，而 AI 可以讀完醫師沒時間讀的長病歷。他同時轉述 OpenAI 執行長 Sam Altman 的說法：醫師不查 AI 就診斷或開藥等於 malpractice（Fierce Healthcare, 2026-10-02；Medical Economics）。

這不是某家廠商的行銷話術，是美國衛生主管機關首長在公開場合把 AI 定位成對抗專業權威的工具。它會直接影響兩件具體的事：病歷可攜性的推動力道（這點醫界多半支持），以及 FDA 正在徵詢意見的生成式 AI 醫材框架會往哪個方向落地——目前那份討論文件的意見截止日是 10 月 19 日（FDA）。

「比全國任何一位醫師都更有見識」沒有附任何一篇研究。而本週刊出的頭對頭證據方向相反：Nature Medicine 上週的研究發現通用前沿模型在醫學 benchmark 上勝過兩款專用臨床 AI 工具，但那比的是模型跟模型，不是模型跟醫師（Nature Medicine）。

Fierce Healthcare, 2026-10-02

9 月 30 日，美國醫學會（AMA）、美國家庭醫學會（AAFP）、美國小兒科學會（AAP）、美國婦產科醫學會（ACOG）、美國內科醫師學會（ACP）與美國外科醫師學會（ACS）發出聯合聲明。聲明承認「AI 具有提供新工具與新洞見的巨大潛力」，但反對把醫師與 AI 擺成對立；核心句是「暗示 AI 天生比醫師更有見識的說法……會削弱醫師專業，並有損病人信任」，並強調「醫師是在脈絡中評估病人」，「病人安全、醫師專業與臨床實務的人性，必須主導這些工具的開發方式」（AMA 新聞稿, 2026-09-30；ACP 同步發布）。

六個學會同時掛名、24 小時內回應，在美國醫界是罕見的動作，而且它們選擇用的詞是 augmented intelligence（增強智慧）而不是 artificial intelligence——這個用詞之爭直接關係到責任歸屬：如果是 augmented，決策責任留在醫師身上；如果是 artificial 且可獨立給第二意見，責任就得有人重新指派。本週沒有人回答這個問題。

American Medical Association, 2026-09-30

Becker's 向八位醫院資訊與資訊醫學主管詢問 McKinsey 的數字與 Kennedy 的說法。Parkview Health 的 CMIO Mark Mabus 醫師：「我非常懷疑我們真的已經到 22%……我寬鬆估計大概是初級照護／急症照護的 1–2%。」TidalHealth 的 CIO Mark Weisman 醫師認為該數字對初級與急症照護是現實的。史丹佛醫療體系首席數據科學家 Nigam Shah 醫師指出，這個比例在低複雜度門診不是最大量體的三級醫療機構並不適用。UCI Health 的 CMIO Deepti Pandita 醫師：「McKinsey 的估計方向上可信，但現實遠為複雜。」對 Kennedy 的說法，Monument Health 的 CIO Patrick Woodard 醫師說：「對 Kennedy 部長的看法，我沒有任何好話可說。」Reid Health 的 CIO Muhammad Siddiqui 說那「超出了證據所能支持的範圍」。Hospital for Special Surgery 的轉型長 Ashis Barad 醫師把問題收在責任上：「總得有人決定什麼叫好的照護……並在病人照著它的建議行動時負起責任。」（Becker's Hospital Review, 2026-10-02）

這組回答說明十倍落差不是意見分歧，是兩種量尺：McKinsey 量的是「可被接手的工作」，CIO 量的是「已經被接手的工作」。更關鍵的是沒有人否認技術可行性——Weisman 甚至直接背書——反對的全部落在責任、脈絡與院內複雜度上。這正好對上 9 月 28 日本報整理過的 Rambam 急診研究：99／100 份 LLM 輸出被評為臨床合適，醫師使用率卻四週內從 68% 掉到 30%（Nature Medicine, 2026-08-19）。

Becker's Hospital Review, 2026-10-02

10 月 2 日 AKASA 商業發表住院端（mid-cycle）自主 AI 平台，處理住院編碼與臨床文件完整性（CDI），在複雜住院病歷上不需人工介入。廠商稱出院後 90 秒內完成編碼，對照人工編碼師典型的 30–60 分鐘；目前處理約每 10 件美國住院出院中的 1 件，住院量年增近 6 倍；客戶合計逾 1,800 億美元的淨病人收入，具名客戶包括 Cleveland Clinic 與 Nebraska Methodist Health System。第三方驗證顯示該平台在 MS-DRG 指派、主要診斷選擇、POA（present-on-admission）指標與品質文件擷取上「匹配或超越資深人工編碼師」（HIT Consultant, 2026-10-02；Fierce Healthcare）。

把這一則疊在 McKinsey 的 16–22% 上面看，就能看清本週真正的結論：自主 AI 已經在美國醫院大規模運轉了，但它運轉的位置是收入循環，不是診斷。原因不神祕——帳單有確定的正確答案（MS-DRG 碼對或不對）、有既成的稽核機制、錯了是錢的問題而不是人的問題。醫院用它取代的是人工 BPO 外包，不是醫師。這也解釋了為什麼本週 Abridge 的 VA 合約（9 月 22 日拿下 5 年、上限 7.7572 億美元的企業級 IDIQ，覆蓋 1,380 個設施、170 家 VA 醫學中心）是文件化而不是決策（HIT Consultant）。

90 秒、6 倍、1,800 億美元、「1 ／ 10 件住院出院」全部是廠商自述。第三方驗證有被提及但未具名驗證方、未公開方法與樣本數，也沒有同儕審查。自主編碼若系統性高估 DRG，後果是 CMS 的稽核與追償，而這類風險通常要幾個稽核週期後才會顯現。

HIT Consultant, 2026-10-02

10 月 1 日 Bloomberg 報導 Anthropic 鎖定 11 月中 IPO、正式行銷最快自 11 月 9 日那週開始，估值可達或超過 2 兆美元，並已邀請特定機構投資人於 10 月 14 日赴舊金山總部會面（Bloomberg / Yahoo Finance, 2026-10-01；Briefs）。兩天前，STAT 報導 Anthropic 加入 ARPA-H 的臨床 AI moonshot，並將舉辦閉門醫療活動；該計畫即 9 月 9 日啟動的 ADVOCATE——四年 6,270 萬美元，目標是全球第一個「投標打造 FDA 授權臨床 AI」的心血管計畫，既有參與者包括 Atman Health、Tempus AI 與 Updoc（STAT, 2026-09-29；ARPA-H）。

前沿模型公司過去兩年對醫療的策略大致是「把模型賣給醫療公司」。ADVOCATE 的設計逼人改路線：它要求參與者一路做到 FDA 授權，也就是要為一個具體的臨床主張負監管責任。一家準備上市的前沿實驗室願意站進這個位置，意味著「通用模型 vs 專用臨床工具」的競爭正在從 benchmark 搬到監管卷宗上——而這恰好是本週 Nature Medicine 頭對頭研究指出通用模型勝出的那個領域裡，最難用 benchmark 贏下來的部分。

IPO 的時程與估值全部來自未具名消息來源的媒體報導，Anthropic 未公開確認，2 兆美元是「可能達到」的上緣而非定價。STAT 那則在付費牆後，本報只依公開可見的標題與導言撰寫，Anthropic 在 ADVOCATE 中的具體角色、出資與分工均未見公開揭露。

Bloomberg via Yahoo Finance, 2026-10-01

10 月 1 日 STAT 刊出史丹佛大學醫學系主任 Euan Ashley 的投書。他用一段 180 字的 prompt、約 40 萬 tokens，請 Claude 依照他的團隊 2009 年建立的同一套框架分析自己的全基因體，要求辨識罕見疾病變異、藥物反應變異並評估常見疾病風險。耗時 30 分鐘、成本約 5 美元，對照 2009 年 30 個人花將近一年。結果正確指出他帶有兩個與阿茲海默症風險相關的 APOE ε4 變異，與 2009 年的原始分析一致。他主張建立涵蓋全球族群多樣性的參考基因體、醫學上重要但技術上難定序基因的共享目錄、依應用場景設定的最低偵測門檻，以及實驗室與 AI 開發者對「自己到底能可靠偵測什麼」的透明揭露（STAT, 2026-10-01）。

這是本週唯一一則「AI 真的做到了過去要一支團隊做的事」的紀錄，而且作者是當年那支團隊的負責人，所以對照基準是可信的。值得注意的是他的結論不是「所以可以上線了」，而是「所以我們現在急需標準」——他要的四件事全部是關於偵測邊界的揭露，也就是本週 Kennedy 的說法最缺的那一塊。一份輸出正確說出 APOE ε4，不等於它會在它沒看到的基因上告訴你它沒看到。

n＝1，受試者就是作者本人，而且他事先知道 2009 年的答案——這是示範而非評估，無法用來估計偽陰性率。文章在 STAT 付費牆後，本報依公開可見的內容撰寫。

STAT Opinion, 2026-10-01

9 月 29 日智慧戒指廠 Oura 擱置美國 IPO，原定發行 5,500 萬股、每股 40–44 美元，規模最高 22 億美元，定價中位對應估值達 150 億美元；公司 2025 年營收 9.079 億美元，2026 年預期成長 90%。公司僅以「IPO 市場的不確定性」為由，執行長 Tom Hale 說「我們有選擇時機的餘裕」（TechCrunch, 2026-09-29；CNBC）。一級市場同期並未降溫：Heidi 9 月 22 日完成 3.4 億美元 C 輪、估值 9 億美元，用於臨床端的 agentic 工作流自動化；Tiny Health 9 月 29 日完成 3,300 萬美元 B 輪（累計 4,600 萬）；Basalt Health 9 月 24 日 2,000 萬美元 A 輪。併購端，Grindr 10 月 1 日宣布以 2.5 億美元現金加股票（另有最高 7,000 萬美元後續對價）收購 PurposeMed，預計第四季完成（Health IT Answers, 2026-10-01；Fierce Healthcare 週報）。

一家營收接近 10 億美元、成長 90% 的消費健康硬體商都選擇不上市，而同一週傳出 Anthropic 要以 2 兆美元估值上市——這說明公開市場現在對「AI 基礎設施」與「AI 應用到健康」兩種故事的定價機制完全不同。對台灣的醫療 AI 新創而言，可讀的訊號是：出場不要預設走美國 IPO，一級市場與策略性併購仍然是開著的那扇門。

「市場不確定性」是擱置上市的標準說法，實際原因（需求不足、估值分歧、或單純等財報）公司未說明，不應過度推論。Heidi 與 Basalt 的輪次在 9 月 22／24 日，嚴格說落在本週窗口之前，列在這裡是為了對照同期的一級市場溫度。

TechCrunch, 2026-09-29