2027，AI 會怎麼改變整形外科與醫學美容？

這一年，我自己使用人工智慧（Artificial Intelligence, AI）的頻率愈來愈高。

查文獻、整理醫療資料、寫文章、準備病人衛教、分析照片、整理工作流程，甚至經營與行政上的事情，我都開始讓 AI 參與。

所以我並不排斥 AI。相反地，我認為未來幾年，AI 一定會大幅改變醫療。

但當我自己愈來愈常使用 AI，也愈來愈清楚一件事：

AI 對醫療最大的影響，可能不是「它會不會取代醫師」，而是它會逼著我們重新回答：一個好的醫師，真正不可取代的價值到底是什麼？

2026 年《Aesthetic Surgery Journal》一篇回顧整理了 AI 在整形外科的應用。在 460 篇符合條件的研究中，已經包含病人衛教、醫師教育、臨床決策、結果預測、診所經營及研究等不同領域。^[1] AI 顯然已經不是遙遠的未來，而是正在進入整形外科的現在進行式。

但真正值得討論的，不只是 AI 可以做到什麼。而是：哪些事情可以交給 AI？哪些事情，仍然應該留在人身上？

一、AI 最先取代的，可能不是醫師，而是醫療裡大量低效率的工作

如果問我未來一兩年，AI 最快改變整形外科的地方，我反而不認為是「AI 幫病人開刀」。

最先被改變的，應該是手術前後大量重複性的工作。例如病人的基本資料蒐集、常見術前問題、術後照護說明、預約與追蹤、病歷摘要、照片分類、文獻搜尋，甚至部分診所行政工作。

美國整形外科醫學會（American Society of Plastic Surgeons, ASPS）2026 年訪問整形外科醫師 Johnny Franco 與 Roy Kim 時，也談到 AI 在病人諮詢、影像分析、診所行政與經營管理上的角色。^[2] 這些工具的價值，很大一部分正在於把醫師從大量重複工作中釋放出來。

這件事情我其實非常樂見。

因為如果 AI 可以幫我少花一個小時整理資料，我就可以把那一個小時拿回來做真正需要醫師的事情——診斷、手術、處理併發症、與病人討論治療選擇，以及做最後的醫療判斷。

換句話說，AI 不一定是在搶走醫師的工作。它也可能是在逼我們把時間重新放回只有醫師真正需要做的事情。

二、病人拿 AI 的答案來問醫師，我其實不排斥

現在已經愈來愈容易遇到這樣的情境。病人在看診前先問過 ChatGPT，然後在診間裡問我：

• 「可是 AI 說這個可以做？」
• 「ChatGPT 說有另外一種方法。」
• 「AI 說這個副作用很少，為什麼你會擔心？」

我其實不覺得這是一件壞事。病人願意先做功課，本身不是問題。真正重要的是：你看到的這個答案，它的資料來源到底是什麼？

大型語言模型非常擅長把大量資訊整理成一個流暢、完整，而且看起來很有自信的答案。但「講得很像真的」，和「這個答案有足夠醫學證據支持」，其實是兩件完全不同的事情。

2026 年一項研究把大型語言模型的建議，與美國整形外科相關專業指引進行比較，結果顯示 AI 的回答並不總是與專業指引一致。^[3]

另一項研究測試整形外科網站上的 AI 客服機器人處理不同急迫程度的案例，對一般選擇性問題表現相對較好，但在真正緊急的案例裡，敏感度只有 20%、偽陰性率高達 80%——也就是五個真正需要緊急處理的案例中，可能漏掉四個。^[4]

所以我會鼓勵病人用 AI。但是使用方式可能要改變。

不要只問「答案是什麼？」，更重要的是繼續追問：

• 這個答案引用的是臨床指引、系統性回顧，還是一篇很小的研究？
• 研究對象是誰？
• 證據品質如何？
• 資料是哪一年？
• 這個研究結果真的可以套用在我身上嗎？

三、為什麼我寫醫療文章，會盡量把文獻放進去？

這其實也是我自己寫醫療文章時，很在意的一件事情。

如果你看過我比較完整的醫療文章，應該會發現我通常會放不少研究或文獻來源。不是因為文章裡放愈多論文，看起來就愈厲害。

原因其實很單純：我希望你知道，這句話不是因為「我是醫師，所以你就相信我」，而是它背後有一個可以被查證、被挑戰的依據。

醫學本來就應該如此。醫師的意見很重要，但醫師的意見不應該凌駕於證據之上。

這件事情在 AI 時代反而更加重要。因為以後「得到一個答案」會非常容易，真正困難的會變成：你怎麼判斷這個答案值不值得相信？

四、但就算有文獻，臨床也不會永遠照著教科書走

這裡又會出現醫療另外一個很重要的問題。

即使今天有一篇很好的研究告訴我們，某一個治療成功率很高、某一種併發症發生率非常低、大部分病人的恢復時間大概是多少，臨床上仍然偶爾會出現一些非常極端的例外。

真的很少。但不是零。

而如果它剛好發生在你身上，那對你而言就不是 1%，而是 100%。

所以醫學研究真正告訴我們的，比較接近「大多數情況下，事情會怎麼發展」。它並沒有辦法保證「眼前這一個人，一定會這樣發展」。

這也是為什麼我認為，真正好的醫師不能只是很會背指引。更重要的是：

• 當病人的恢復沒有按照預期走時，你能不能察覺？
• 這只是正常變異，還是真正的併發症？
• 現在可以觀察，還是必須提早介入？
• 第一次處理沒有成功，下一步還有什麼方法？
• 真的遇到非常少見的狀況時，你過去的訓練、解剖知識與處理併發症的能力，夠不夠把事情接下來？

這些能力，很難從 AI 給出的一個標準答案裡看見。

文獻告訴我們什麼最常發生；臨床能力決定了當少見的事情真的發生時，我們怎麼辦。

五、而整形外科還多了一個更難量化的問題：什麼叫做「好看」？

這也是整形外科和很多醫療科別非常不一樣的地方。

我們除了處理傷口、外傷、腫瘤切除後缺損及重建之外，也做大量的美容手術。而美容手術有一個很特殊的地方：它沒有唯一的正確答案。

傷口有沒有感染、骨折有沒有癒合，很多事情可以有相對客觀的判斷方式。但美容不同——雙眼皮應該多高？眼袋應該修到什麼程度？淚溝應該補多少？鼻子應該更挺，還是應該保留原本的特色？臉到底要更幼態、更立體、更精緻，還是只是希望看起來比較有精神？

甚至同一張臉，不同的人可能會得到完全不同的答案。

2026 年一篇美容手術 AI 的系統性回顧就特別指出，美容手術的結果本身具有高度主觀性，而且缺乏標準化的評估指標；這一方面提供 AI 協助量化的機會，另一方面也凸顯了這個領域的特殊困難。^[5]

AI 當然可以幫我們量很多東西：對稱度、角度、比例、五官距離、臉部標記點，它甚至可以分析非常大量的人臉資料。最近一些商業系統已經可以分析數百個臉部標記，再根據所謂的審美指標提供美容建議。但包括紐約整形外科醫師 Lara Devgan 在內的醫師也提醒，AI 很難真正取代人的判斷與品味，因為美感本身不可能完全被數字化。^[6]

這一點我非常認同。

AI 比較容易學會「什麼接近平均」，但美容外科醫師真正要判斷的是：這個人為什麼不應該變成平均。

有時候技術上明明可以再做更多，我反而會建議病人停在這裡。因為再多一點，可能左右更對稱，卻少掉了原本的特色；可能照片更符合某一個黃金比例，但本人反而不像自己。

所以我一直認為，美容外科不是把一張臉修改到最標準，而是：讓一個人變得更好看，卻仍然像他自己。

六、AI 術前模擬愈來愈漂亮，也可能帶來新的問題

未來 AI 在醫學美容一個非常大的應用，一定是術前影像分析與模擬。

這件事情有很大的價值。因為以前病人跟醫師說「我希望年輕一點」，病人腦中的「年輕一點」和醫師腦中的「年輕一點」，可能完全不同。如果有影像模擬，雙方至少可以把討論變得更具體。

但問題也剛好出現在這裡。

英國美容整形外科醫師協會（British Association of Aesthetic Plastic Surgeons, BAAPS）主席 Nora Nugent 等醫師在 2026 年就談到，愈來愈多病人開始帶著 AI 修過的自己來諮詢，希望醫師把真人做到和生成圖片一樣。^[7]

問題是：AI 可以任意修改每一個像素，手術不行。

真人有骨頭、有肌肉、有脂肪、有皮膚、有神經、有血管，也有左右天生的不對稱、疤痕反應與每個人不同的癒合過程。AI 可以把兩隻眼睛修得完全一模一樣，但醫療真正面對的是活的組織。

所以我會把 AI 術前模擬定位成：溝通工具，而不是手術保證書。

七、所以最後還是回到美容手術最重要的一件事情：術前溝通

再往下追，其實前面所有問題最後都會回到同一件事情：醫師和病人有沒有真正把話講清楚。

美容手術真正困難的地方，往往不是單純判斷「可不可以做」，而是理解：

• 這個人真正想改善的是什麼？
• 他嘴巴講出來的需求，和心裡真正期待的是不是同一件事？
• 他想追求的是自然、年輕、精緻，還是明顯的改變？
• 他對左右差異、疤痕、恢復期及風險的容忍度是多少？
• 甚至，他現在認為是缺點的地方，真的需要治療嗎？

我在門診有時會遇到病人說「我想把眼袋拿掉」，但聊到最後會發現，真正讓他覺得疲累的可能是淚溝或中臉凹陷。也可能有人說「我希望雙眼皮再明顯一點」，真正的需求其實只是希望兩隻眼睛看起來更有精神、更接近對稱。

這些事情不是單靠一個臉部分析的分數可以得到答案。它需要醫師問問題、看病人的反應、理解他的審美，再慢慢把期待和醫療能做到的事情對齊。

換句話說：你面對的不是一組數據，而是一個人。

這也是為什麼我認為 AI 愈進步，醫療裡人與人之間真正的溝通反而會變得更加重要。因為當「分析」變得很便宜之後，理解一個人，反而會變得更加珍貴。

八、AI 會挑戰醫師，但這其實是一件好事

從另一個方向看，我認為 AI 也正在對醫師產生一個很好的壓力。

以前醫療資訊的取得門檻非常高，病人很多時候只能接受醫師講的答案。現在不同了——病人在幾分鐘內就可以找到不同治療方式、國際指引，甚至要求 AI 幫忙搜尋及比較研究。

這代表醫師以後不能只是說「我是醫師，所以你相信我」。醫師自己也要不斷更新。

我引用的三篇《Aesthetic Surgery Journal》文獻，全部集中在 2026 年第 46 卷第 2 期——同一期裡同時討論 AI 的機會、侷限、安全問題與未來方向。^[1][4][5] 這本身就說明這個領域正在被嚴肅看待。

我自己現在還是常常把假日拿來參加醫學會、研討會或進修課程。有時候整天坐在會場裡，真正會改變自己臨床做法的，可能就只有一兩個觀念。但如果那一兩個觀念，未來可以讓一個病人少一次併發症，或者讓我多一個處理問題的方法，我認為就值得。

所以如果有一天，病人拿了一篇我不知道的新研究來問我，我不認為醫師最好的反應是「你不要亂看網路」。比較合理的做法應該是：「我們來看看這篇研究。」

如果證據不好，我應該能夠解釋它為什麼不好。如果它真的是一個我還沒有更新到的新證據，我也應該願意承認：這個值得我回去再研究。

AI 讓病人更容易挑戰醫師。但換一個角度看，它也逼著醫師必須更值得被信任。

九、AI 下一步甚至不只是在回答醫療問題

如果把範圍從整形外科再拉大一點，我認為 AI 對未來健康產業的影響還會更深。

2026 年 8 月，Wu 等人（Eric Topol 為共同作者）在《Nature Health》提出了一個值得注意的趨勢：消費型健康 AI 正從單純提供資訊，開始往醫療流程整合前進，包括連接個人健康紀錄、預約、藥局、付款及其他醫療服務。^[8] 換句話說，未來 AI 可能不只是回答「我這個症狀可能是什麼」，而是逐漸成為個人進入醫療系統的一個入口。

如果再搭配穿戴裝置、睡眠、運動、抽血、健檢與長期健康資料，未來真正有價值的 AI 健康助理，可能是長期幫你看一個人的變化，而不是只回答某一個問題。

這會是一個非常大的改變。但也因此，資料正不正確、模型怎麼做判斷、誰控制醫療入口，以及最後誰為醫療決定負責，會變成比現在更重要的問題。

十、所以，AI 最後會取代整形外科醫師嗎？

我的答案是：至少我目前不這樣認為。

AI 會取代很多工作。甚至某些我們今天認為必須由人完成的事情，三五年後可能都會變成自動化。

但整形外科真正困難的幾個部分——

• 從不完整資訊中做判斷
• 理解病人真正的期待
• 在沒有唯一標準答案的情況下做審美決策
• 知道什麼值得做、什麼其實不該做
• 手術中處理組織
• 事情沒有照預期發展時處理例外
• 以及最後為一個醫療決定負責

這些事情，我認為短時間內仍然非常需要一個人。

甚至 AI 愈進步，我反而愈覺得醫師真正的價值會變得更加清楚。

過去大家可能把醫師的價值想成「他知道很多東西」。但未來「知道很多東西」會愈來愈便宜——AI 可以在幾秒鐘內整理比任何一個人一輩子讀過更多的資料。

所以醫師真正的價值會逐漸從「擁有知識」，轉變成：知道哪些知識值得相信、知道它適不適用在眼前這個人、知道什麼時候不應該照著標準答案走，並且有能力承擔最後的結果。

結語：答案會愈來愈多，判斷反而會愈來愈重要

我其實很期待 AI 繼續進步。因為它可以讓病人更容易理解醫療，也可以讓醫師從大量低效率的工作中被釋放出來。

我甚至認為，未來一個完全不會使用 AI 的醫師，可能就像今天完全不會使用網路搜尋醫學資料一樣，會逐漸跟不上這個時代。

但這不代表醫療最後會只剩下演算法。剛好相反。

當 AI 愈來愈會計算比例、搜尋文獻、整理病例、預測風險，甚至產生愈來愈漂亮的術前模擬時，那些無法被輕易量化的能力，反而會更加重要：

審美。臨床經驗。對例外的警覺。處理問題的能力。持續學習的習慣。以及醫師坐在病人面前，真正理解病人到底需要什麼的能力。

所以如果要用一句話總結我目前對 AI 與整形外科的看法：

AI 可以給我們答案，文獻可以告訴我們機率，但當真正面對眼前這一個人的時候，最後需要的，仍然是醫師的判斷，以及人與人之間真正的理解。

而在一個答案愈來愈便宜的年代，真正昂貴的，可能會是判斷。

這次我有這系列的文章，起源於白袍人生學院創辦人張益豪醫師號召發起這項「集結多科別多領域的多元視角」，一起看待醫療與 AI 這個重要議題。想看更多不同面向醫師的觀點，請看這篇文章〈我所看見的 2027 醫療 AI 藍圖〉。