醫療 AI 的數字真相：1,451 項 FDA 核准器材、75% 的醫療體系採用率，以及 43% 缺乏臨床驗證資料這項發現。
採用面相當廣：目前約有 75% 的美國醫療體系至少導入了一項 AI 應用（一年前還不到 60%），而 74% 的美國醫院在放射科使用 AI 診斷工具。
法規面的數量並不虛：FDA 已列出 1,451 項獲准上市的 AI 醫療器材——光是放射科就有 1,104 項——其中 295 項是在 2025 年取得核准。
真正關鍵的落差：在核心臨床診斷上達到可靠 AI 使用水準的機構不到 20%，而 43% 的 FDA 核准 AI 器材缺乏臨床驗證資料。導入的速度已經超過證據累積的速度。
放射科是灘頭堡。 四分之三的 FDA 核准與四分之三的醫院診斷導入都集中於此，理由是結構性的：影像本來就是數位化的，判讀的標準答案相對容易界定，而工作流程裡原本就有第二位判讀醫師。回報出來的效益是真的——有 AI 輔助的醫院回報診斷錯誤明顯減少，偵測演算法在受控評估中達到很高的準確率。
文書與營運則是比較安靜的那種勝利：環境語音紀錄、編碼支援、排班與檢傷分類。它們比診斷更難登上頭條，但回收更快，臨床風險也更低。
臨床醫師的使用隨後跟上：醫師使用率從 38%（2023 年）躍升到 66%（2024 年）——這是有紀錄以來最陡的專業採用曲線之一。
43% 的 FDA 核准 AI 器材缺乏臨床驗證資料。 這個數字，值得比本文任何一項準確率宣稱都更多的注意。
多數 AI 器材的 FDA 核准，走的是證明與既有對照器材實質等效的途徑——而不是證明病人獲益的前瞻性臨床試驗。再加上準確率數字上那句「受控環境」的但書（在精選資料集上的表現，通常高於在雜亂真實族群上的表現），誠實的結論是：核准 ≠ 已驗證 ≠ 對你的病人族群有益。
對醫療體系的實務意義是：把廠商的準確率宣稱當成在地驗證的起點，而不是拿來取代它。核心診斷可靠使用率不到 20% 這個數字，正是機構真的做完這份功課之後的樣子。
約有 95–97% 獲授權的 AI 醫療器材是透過 510(k) 途徑核准的，而非 De Novo 或 PMA。這條路徑要求證明的是與既有對照器材實質等效——不是獲益的獨立臨床證據。
這就是驗證問題背後的機制。並不是主管機關忽略了證據；而是多數器材所走的那條途徑，從設計之初就沒打算要求它。
截至 2025 年底的累計器材授權，高度集中在影像產業的既有大廠：
| 公司 | 授權數 |
|---|---|
| GE HealthCare | 120 |
| Siemens Healthineers | 89 |
| Philips | 50 |
| Canon | 45 |
| United Imaging | 38 |
| Aidoc | 31 |
| DeepHealth | 28 |
請留意這代表什麼：AI 器材市場的贏家，是那些早就把掃描儀賣給你的公司，而不是 AI 原生的新創公司。
FDA 正依據**品質管理系統法規（QMSR）**更新器材規則，讓美國的監理與 ISO 13485:2016 接軌。對製造商而言，這是合規流程的變動；對採購方而言，這是一個溫和的訊號：證據門檻正透過品質系統被拉高，而不是透過核准途徑本身。
不是「它有 FDA 核准嗎？」——超過 1,300 項器材都有。該問的是走的是哪一條途徑、對照器材是什麼，以及在與你相似的病人族群上是否存在前瞻性臨床資料。 這三個問題，足以把真的幫得上忙的器材，跟只是通過核准的器材分開。
各家預測集中在 2026 年醫療 AI 市場約 520 億美元——這是一個真實且快速成長的數字，同時也比 2025 年前後流傳的某些說法小了一個數量級。（本文更早的版本裡曾出現一個嚴重灌水的市場數字；它沒有出處，已經移除。如果一項醫療 AI 統計數字無法追溯到具名來源與方法論，就不要轉述它——包括出自我們的版本。）
75% 的醫療體系至少導入一項 AI 應用，與不到 20% 在核心臨床診斷達到可靠使用，這兩件事並不衝突。多數導入屬於行政類與影像檢傷分類，它們的失敗代價是浪費一分鐘，而不是漏掉一個診斷。
真正的曝險，在那些會左右臨床決策、卻沒有人類同步檢視同一份證據的器材上。43% 的 FDA 核准 AI 器材缺乏臨床驗證資料——這個數字對自主決策極度重要，對重新排序一份工作清單則幾乎無足輕重。
對每一項已導入的工具都問一次：如果它判斷錯了，誰會發現、什麼時候發現？ 有同一班次人工複核的工具，不論驗證狀態如何都屬低風險。沒有的那些，需要的正是 510(k) 途徑當初沒有要求的那份證據。
來源: SQ Magazine healthcare AI statistics · TheAIDaily 75+ data points · Uvik 80+ key data points · About Chromebooks adoption tracker
最後更新：2026 年 7 月 29 日
OpenAI 的 Agents API 讓持久化雲端智能體更容易建置。本文說明真正改變了什麼、哪些問題尚未驗證，以及如何在可控邊界內導入。
AI 如何重塑創意工作：86% 採用率、平面設計職缺下降 17%、立下模板的音樂和解案，以及法院至今仍未裁定的部分。
2026 年數據：88% 的學生用生成式 AI，教師每週省下 5.9 小時——但只有 13% 的學校有正式 AI 政策。該怎麼辦。
2026 年監理全景：Digital Omnibus 把高風險義務延到 2027 年、歐盟新增兩項禁令、GPAI 監督啟動，以及美國的拼圖式規則。
反詐準確率 90–99% 且快 300 倍，但超過一半的詐欺也用上了 AI。2026 年金融業的真實數據、監管動向與那個無人解決的不對稱。
專家對 2030 年 AI 的預測。探索 AGI 時間線、社會影響、技術突破以及來自領先 AI 研究人員的未來情境。
2026 年勞動市場數據說了什麼：五個月內 87,714 起歸因於 AI 的裁員、科技與金融每月減少 28,000 個職缺，以及真正重要的自動化分野。
定義 2026 年 AI 的八個趨勢：估值競賽、發布即退場的模型節奏、Sora 撤退、著作權和解轉為授權，以及監管刻意放慢的步調。
