沒人 demo 的那 70%
每一支醫療 AI 的 demo 開頭都是同一種病人：完美的術後追蹤——兩週連續記錄、漂亮的傷口、乖乖做完的運動紀錄。術後案例好做，因為要整理的東西本來就在那裡，AI 的工作只是把趨勢摘下來。
但臨床現場不是這種人。骨科門診一整天，絕大多數是初診：新的下背痛、扭到的膝蓋、肩膀痛了幾個月才來的阿姨。病人在系統裡完全沒有歷史。這群人大約 60–70% 不需要手術。而這群人的 AI 該長什麼樣，公開的臨床 AI 論文幾乎沒人示範過。
這篇寫的就是這個多數。iRehab 把醫師在病人坐下前讀到的那一行摘要命名為 診前簡報（Brief）。姊妹篇 壓縮問診，不是整合表單 寫的是術後追蹤那種 Brief 怎麼做。
簡報的對象：一個當下，不是多週歷史
術後病人好處理——連續兩週的疼痛分數、好幾天的傷口照、運動完成率，全都已經躺在系統裡了。AI 的工作是從一串時間序列裡抓出規律。
初診病人進來的時候什麼都沒有。系統手上能用的，只有病人在候診區花幾分鐘填的那幾格表單、剛坐下時順口講的一兩句話、也許還在圖上點的一個位置。診前簡報的工作完全不一樣：從一個結構化的當下，抽出這個科真正在乎的那幾件事。
背後的原則還是同一條——四格、五秒讀、診斷假設自動在醫師腦海裡成形。但輸入的形狀變了，表單怎麼設計、AI 能推到哪裡，這些都要重寫。
病人可答原則：這一條決定了所有後續設計
在候診區抓一位病人過來，問他：「你這是哪個組織出問題？」他只會有三種反應：聳肩、禮貌性瞎猜、或是很有把握地講出一個錯的組織名稱。病人沒有被訓練去分辨肌腱、韌帶、神經——本來就不應該被要求這樣分。一個需要臨床訓練才能可靠回答的題目，本質不是問診題，是披著資料收集外衣的診斷假設。
iRehab 的看診前表單把這件事當成硬規則：每一題給病人的發問，都必須是沒受過醫學訓練的人能答的。這條單一規則往下推出了幾十個設計決定。
- 「這是肌腱、韌帶、還是神經的問題？」—— 拿掉。病人答不出。改由 AI 從病人能答的題目來推斷（下一節講分寸）。
- 「哪裡痛？」—— 改成一張人形圖，病人直接在圖上點位置，不要求他認解剖名稱。
- 「感覺怎樣？」—— 改成五個選項：痛／麻／無力／多種／其他。「無力」特別和「痛」並列，因為神經性無力是急的警訊，只問痛會漏掉。
- 「什麼時候開始的？」—— 改成「是做什麼的時候開始的？」：撞到扭到／搬重物／一直做同動作／起床就有／不知不覺慢慢來／不太記得。每一個選項都是一般人平常會用的動詞。
- 「持續多久了？」—— 改成五個時段：今天／3 天內／一週內／一個月內／超過一個月。要病人憑記憶講出精確天數通常不可靠；給他幾個時段選，反而好答、也更貼近事實。
每一個選項都先通過同一道檢查：一個沒有醫學背景的家人，能不能不查字典就直接答？答不出就不上線。
一份初診骨科的 Brief 長什麼樣
從醫師那一端看，所有結構化輸入整理完之後，是一行沿用幾十年的電報體（telegraphic shorthand）：
45F. CC: R't knee pain going up/down stairs x2wk. VAS 6. Dur <1wk. Onset: lifting. Pattern: intermittent. Sensation: pain only. Wound: no. Zones: R't knee (front). Pt:「走一段路才開始麻」
五秒讀完。臨床手寫慣例保留——R't／L't／B/L 是左右側標記；欄位代碼不翻譯成完整句子，讓醫師把它當訊號讀、不是當作文讀；病人原話放在引號裡，保住結構化欄位抓不到的時間細節。
推進決策的四格都在——部位、嚴重度、怎麼開始、持續多久——兩個選填欄位（傷口狀況、病人原話）有值時才疊上去。通順版本也會同步生出一份給文件匯出用，但醫師螢幕第一眼看到的，是這份電報體 Brief，因為床邊的閱讀速度才是設計目標。
組織類別不問病人，交給 AI 推
表單的前一個版本，曾經請病人把問題歸到六類組織之一：關節、肌肉、骨頭、神經、皮膚、外傷。完成率還行，答案多半也能用。這題還是被拿掉了。
原因不是病人答得不好。原因是「答錯但很有信心」的答案會悄悄污染後續的判讀。一個把坐骨神經痛標成「肌肉」的病人（因為屁股痠），已經在醫師翻開主訴之前，就把他的思路往錯方向輕推了一下。
組織類別現在由 AI 從病人能答的欄位推斷。結果在醫師畫面上是一個小小的紫色標籤，預設收合：
AI 推斷：神經 信心：中 根據：痛與麻並存、慢慢惡化、VAS 6、右頸部＋右上肢。 ［此為 AI 輔助建議，請以臨床判斷為準]
這個推斷有幾條硬規則，不可協商：
- 不能影響急性警訊的判定。警訊規則只讀病人自己填的欄位，AI 推斷出來的東西不能反過來改警訊結果。
- 不能擋住病人的任何流程。急診分流、候診順序、下一步該去哪裡——都跟 AI 推斷無關。
- AI 推斷失敗，不能讓病人表單送出失敗。病人填完就是填完了，後端出錯不該讓表單退給他。
- 不能被當成事實。標籤上白紙黑字寫「AI 推斷」，就是提醒醫師這是建議，不是結論。
- 醫師可以隨時覆寫。不需要理由、不需要額外審核。
想忽略這個標籤的醫師，整場診一輩子只看到兩個字。想看為什麼的醫師，點一下就展開。AI 的判斷「在場，但不擋路」。
Brief 也要延伸到看診之後
多數初診門診病人不需要手術、不需要每天排運動作業、也不需要每週填問卷。他們需要的，是兩週後回診一次，加上回診前一次輕量的進度回報，讓醫師進診間不是從零開始。
iRehab 在看診前表單的詳情頁把這件事做成一顆按鈕：一鍵保守追蹤。按下去，病人就從「看診前記錄」升級成正式病患，走「保守治療」這條路：
- 每天的運動作業：沒有。
- 回診前 3 天推送一次問卷：一題 VAS（0–10），一題 GROC（7 點量表「比上次好很多／好一點／差不多／差一點／差很多／說不上／不記得」）。
- 沒有額外的警訊重算排程——急性期已經過了。
- 升級路徑留著——如果症狀變糟，醫師可以在原本的治療段上就地升級成手術或一般復健路徑；舊的記錄不刪、原地改。
設計意圖很單純：Brief 不應該在診間門口就停下來。一個以保守治療收尾的初診，下次看診前仍然該享有一份整理好的 Brief；但一個症狀輕微的病人，也不該被壓上每天回報的監視負擔。
結語
多數醫療 AI demo 都是乾淨的案例——有多週資料的術後病人。臨床現場的多數是系統裡連一筆歷史都沒有的初診。Brief 的原則可以搬過來，實作的手法要重寫。
術後 Brief 是「沿時間摘要」。初診 Brief 是「在單一當下做結構化抓取」，而且被「病人沒受過醫學訓練時能誠實答的，只有這幾件事」緊緊約束。兩邊走的路不同，但終點同一個：醫師五秒讀完四格，病人還沒坐好，診斷假設已在腦海裡成形。
這四格不性感。但它是骨科門診最耐用的核心。如果 Brief 能在看診開始前把它們送到醫師眼前——過程中完全不問病人答不出的題目——那 15 分鐘的門診就不再是打字競速，可以變回一場對話。