01一個一年翻倍的市場

先看數字。根據創投機構 Menlo Ventures 在《2025: The State of AI in Healthcare》中的統計， 2025 年「環境式 AI 病歷」（ambient AI scribe，被動聆聽診間對話、自動生成病歷的工具）的市場營收約達 6 億美元，年增 2.4 倍。在大型醫療系統中，約 35% 的醫師已經採用這類工具。 對一個三、四年前還很邊緣的應用來說，這個滲透速度相當罕見。

$6B

2025 年 ambient AI 病歷市場營收

年增約 2.4 倍。資料來源：Menlo Ventures《2025: The State of AI in Healthcare》。

35%

大型醫療系統中已採用的醫師比例

顯示這已不是少數先行者的嘗試，而是進入主流臨床現場的工具。來源同上。

$5.3B

AI scribe 公司 Abridge 的估值

據 TechCrunch 報導，Abridge 於 2025 年 6 月估值達 53 億美元，四個月內翻倍——資本市場對這個賽道的熱度可見一斑。

市場熱、錢進得快，這些都是表象。真正值得問的是：為什麼是現在？ 一項技術會被這麼快地接受，通常是因為它對準了一個積壓已久、又特別痛的需求。

02為什麼是現在？被文書壓垮的醫師

答案藏在醫師的工時結構裡。根據美國醫學會（AMA）引述發表於《Annals of Family Medicine》的研究， 基層醫師每 8 小時門診，平均要多花約 5.3 小時在電子病歷（EHR）系統上， 其中約 2.1 小時是純粹的病歷文書工作。

更難改變的是下班後那段時間。AMA 的資料指出，超過 20% 的醫師每週下班後仍要花 8 小時以上補病歷—— 這個現象被稱為「pajama time」（穿著睡衣還在打病歷），而且多年來幾乎沒有改善。

關鍵數字 每 8 小時門診 → 約 5.3 小時耗在 EHR，其中約 2.1 小時純做文書； 逾 20% 醫師每週下班後仍花 8 小時以上補病歷。 （資料來源：American Medical Association，AMA，引自《Annals of Family Medicine》）

這正是語音轉病歷會在這個時間點爆發的底層原因：它對準的不是「想要更炫的工具」， 而是一個讓醫師每天加班、長年無解的具體負擔。當一項技術剛好能把這 2 小時的文書搬走一部分， 市場自然會用採用率投票。關於這個負擔的成因，我們在 門診語音病歷完整流程一文有更貼近診間的描述。

03技術怎麼走到今天——從「語音轉文字」到「環境式自動生成」

今天的語音病歷之所以好用，是踩在好幾代技術的肩膀上。把演進大致拆成三個階段，會更容易理解它現在的能力邊界。

1

語音轉文字（ASR）

最早的形態，就是把聲音轉成逐字稿（speech-to-text）。它解決了「不用自己打字」，但產出的是一整段流水帳， 醫師還是得自己整理成病歷結構。

2

加入分辨說話者

下一步是讓系統分得出「這句是醫師講的、那句是病人講的」。能區分說話者，逐字稿才有辦法對應到主訴、 病史、處置等不同來源，為後面的結構化打底。

3

環境式（ambient）自動生成結構化病歷

現在的主流，是讓系統在診間被動聆聽，看診結束後自動生成結構化的 SOAP 筆記。 醫師不必下指令、不必念格式，紀錄在對話過程中就成形。這一步，才把「省打字」升級成「省整理病歷」。

要特別點出的是：目前市面上主流的商用工具，多數建立在雲端。 也就是說，診間的對話內容會被送到院外的伺服器運算。這在技術上很自然，但它埋下了一個之後會反覆出現的問題—— 資料跑去哪裡。我們在 為什麼離線地端是該先問的第一個問題有更完整的討論。

04真的有用嗎？看實證

市場熱度不等於臨床價值。好在這一輪 AI 病歷，已經開始累積比較嚴謹的實證資料，而不只是廠商自己的宣傳。

發表於《JAMA Network Open》（2025）的一項研究，追蹤了六家醫療系統、186 名臨床人員， 在導入環境式 AI 病歷 30 天後，門診臨床人員的倦怠率從 51.9% 降到 38.8%。

規模更大的真實世界數據來自 Kaiser Permanente：根據 NEJM Catalyst 與 AMA 的資料， 一年內有 7,260 名醫師、橫跨約 250 萬次就診使用這類工具， 估計省下約 15,791 小時的文書時間。

兩組實證數字 倦怠率：導入 30 天，51.9% → 38.8% （JAMA Network Open, 2025，6 家醫療系統、186 名臨床人員）。
文書時間：Kaiser Permanente 一年內 7,260 名醫師、約 250 萬次就診，估省約 15,791 小時 （NEJM Catalyst / AMA）。

這些數字很有說服力，但也得誠實地補一句：效益高度視情境而定，並非每一項指標、每一個院所都會出現同樣顯著的改善。 導入方式、科別、原本的工作流程，都會影響結果。換句話說，這類數據說明了「在對的條件下，它能帶來實質幫助」， 而不是「裝了就一定省下 X 小時」。把它當成評估的參考，而不是保證，才是務實的讀法。

想知道這些數字在您的診間會長什麼樣？

與其讀國外研究，不如看一場用您科別情境跑的實機 Demo。我們現場示範從對話到 SOAP 的完整流程。

預約一場 Demo

05一個常被略過的問題——它算「醫療器材」嗎？

當一個工具越來越深入臨床現場，一個法規問題就無法迴避：它到底算不算醫療器材？這牽涉到監管強度，也牽涉到責任歸屬。

以目前的現況來說，在美國，多數 AI medical scribe 並未被 FDA 當作醫療器材監管，多被定位為行政／文書工具。 這屬於監管討論中的灰色地帶——學界也有倡議認為應該升級監管，但那是倡議，不是現行規定。 要強調的是，這是一個現況描述，而非永久定論，未來監管框架仍可能調整。

在台灣，相關法制同樣還在釐清。立法院於 2024 年曾發布生成式 AI 病歷相關的法制研析， 點出隱私保護、醫療器材監管、知情同意等議題都還有待釐清。 所以比較持平的說法是：在台灣，多數此類工具目前被定位為文書工具，但相關法制仍在發展中。

OPPA 的定位 正因為這條線很重要，我們把話講清楚：OPPA 是文書／行政效率工具，不是醫療器材，不做任何診斷或判讀。 它的角色是把醫病對話整理成紀錄、把代碼查找變快；產出的是病歷初稿，最終認定永遠由醫師負責。 若涉及健保碼，OPPA 僅在行政文書層面提供代碼查找輔助、供醫師逐筆確認，不做申報判斷、不做核刪預測。 一句話：OPPA 賣的是「省文書時間」，不是「幫您看病」。

06台灣走到哪、在地挑戰是什麼

前面引用的數字，絕大多數來自英文、以雲端為主的國際場景。要把這股趨勢搬到台灣門診，中間隔著一道很實際的牆：在地化。

國際上的主要玩家，多以英文情境、按醫師席次訂閱的雲端模式運作。例如 Microsoft 於 2025 年 3 月 把旗下的 DAX 與 Dragon Medical One 整併為「Dragon Copilot」；市場上還有 Abridge、Suki、Nabla 等公司 （以上皆為各家公開資訊，中性整理供您自行判斷）。它們的共通點是：多為雲端架構、以英文場景為主、按醫師席次計費。

台灣其實已經有以華文建構的生成式語音病歷案例——中國醫藥大學附設醫院與台灣微軟合作的「智海」系統， 建立在雲端 Azure 上，聲稱可減少病歷輸入時間約 75%。這個案例的意義在於： 它證明了華文語音病歷在台灣確實有需求、也做得出來；但它同時也凸顯了門檻所在—— 繁體中文、各專科術語、以及台語口語的在地化，是國際工具要落地時最難跨過的一關。

這一點無法用一個漂亮的數字概括，但邏輯很直白：一套主要在英文語料上打磨的系統， 面對台灣門診裡夾雜台語、台式華語、專科簡稱的真實對話，辨識與整理的品質很難一步到位。 在地化不是錦上添花，而是這類工具在台灣能不能用的前提。關於國際工具與台灣現場的落差， 國際 vs 台灣在地比較有更細的對照。

07對台灣診所的意涵：選工具時該看什麼

把這篇的數據與觀察收攏，對正在評估的台灣診所來說，篩選一套語音病歷工具， 其實可以濃縮成三個會決定它「能不能在這裡長久用下去」的問題。

資料會不會離開診所？

主流國際工具多為雲端，意味著對話內容會送出院外運算。在牽涉病人個資與《醫療法》《個資法》的場景， 這是該最先釐清的一題。完全在診所本機運算、不外連的離線（on-premise）架構， 從結構上就讓資料留在院內——這正是 OPPA 的設計起點。

聽不聽得懂台語與繁中語境？

前面說過，在地化是國際工具落地的最大門檻。請直接用您日常會遇到的講法（含台語口語）測試， 而不是只看官網示範。OPPA 從一開始就是為台灣門診的繁中＋台語語境設計的。

能不能貼回您現有的 HIS？

再準的辨識，若產出的病歷塞不進您現在用的系統，等於沒解決問題。OPPA 在看診結束後約 30 秒生出 SOAP， 支援整份或分段（S／O／A／P）一鍵複製，按 F9 直接貼回您現有的 HIS，不必更換既有流程。

2026 年的語音轉病歷，市場已經成熟、實證也在累積，這是好消息。但對台灣診所而言， 真正的問題不是「這個趨勢有沒有用」，而是「有沒有一套是真正為台灣門診現場做的」。 OPPA 把「完全離線、聽得懂繁中＋台語、可直接貼回 HIS」放在最前面，正是想回答這個問題。