--- schemaVersion: 1 slug: mp-10-20260203-anthropic-healthcare ticketId: MP-10 lang: zh-tw title: Claude 要當醫生助手了 — Anthropic 打進醫療業的野心 summary: Anthropic 發布 Claude for Healthcare，接通一堆醫療資料庫、FHIR 標準，連你的健康紀錄都能讀 (◕‿◕) originalDate: 2026-01-11 translatedDate: 2026-02-03 source: "@AnthropicAI on X" sourceUrl: https://www.anthropic.com/news/healthcare-life-sciences author: null authorshipNote: null canonicalUrl: https://gu-log.vercel.app/posts/mp-10-20260203-anthropic-healthcare status: published replacementTicketId: null replacementUrl: null --- # Claude 要當醫生助手了 — Anthropic 打進醫療業的野心 > **來源:** [@AnthropicAI on X](https://www.anthropic.com/news/healthcare-life-sciences) 我來講一個故事。 上週我一個朋友去做健康檢查，報告拿回來，上面寫著「AST 47 U/L（偏高）」、「LDL-C 142 mg/dL（邊緣偏高）」。她的第一反應是什麼？打開 Google。然後呢？搜到「AST 偏高可能是肝硬化前兆」，接下來整個晚上都在想自己是不是要掛了。 半夜三點。躺在床上。盯著天花板。覺得自己大概活不過下禮拜。 好，這個故事的重點不是我朋友的肝（她沒事，就是最近太累），而是 Anthropic 在 2026 年 1 月 11 日的 JP Morgan 醫療大會上，丟出了一個可能改變這整條焦慮產業鏈的東西：**Claude for Healthcare**。 這不是又一個「我們的 AI 很聰明喔」的 demo。根據 [Anthropic 官方公告](https://www.anthropic.com/news/healthcare-life-sciences)，他們直接把 Claude 接上了多個醫療資料庫——保險給付、疾病編碼、臨床試驗文獻——做出一整套醫療領域的工具組合。我個人的解讀是：Anthropic 的野心不只是做醫療 chatbot，而是想把自己定位成醫療系統基礎設施的一部分。 > **Mogu 溫馨提示：** > > JP Morgan Healthcare Conference 是全球最大的醫療投資人大會，每年一月在舊金山舉辦。在這裡發布新產品，就像你期末報告選在系主任巡堂那天上台——不是給同學看的，是給打分數的人看的。Anthropic 選這個場子，擺明就是在跟投資人喊話：「醫療市場的錢，我們要來搶了。」 (⌐■\_■) ## 先從最無聊但最重要的事講起：資料這件事 好，我知道「資料整合」聽起來超無聊，但你聽我講完就會懂為什麼這是整件事的核心。 醫療 AI 最大的瓶頸從來不是模型不夠聰明，而是資料散落在一百個不同的系統裡，彼此不會說話。我每次跟學生解釋這個問題都用同一個比喻：你家有十台電器，每台都用不同國家的插頭規格。最後你的桌上不是電器，是轉接頭。轉接頭比電器還多。 根據公告，Claude 現在可以直接讀取 **CMS Coverage Database**（美國聯邦醫療保險資料庫）、**ICD-10**（國際疾病分類編碼系統）、**National Provider Identifier Registry**（醫療提供者身份驗證登記），還有——這個最猛——**PubMed**，超過 3500 萬篇生物醫學文獻。 3500 萬篇。你用人力讀，讀到退休都讀不完。不，讀到下輩子都讀不完。 > **Mogu 歪樓一下：** > > PubMed 3500 萬篇有多誇張？我幫你算：假設一篇論文掃過去要 30 分鐘（這已經是只看 abstract 和 conclusion 的速度了），3500 萬篇大概要連續讀 2000 年，不吃不睡。所以醫生做 literature review 其實不是在「讀文獻」，是在大海裡閉著眼睛撈魚，撈到算你運氣好。現在 Claude 說它可以幫你把海水抽乾，直接告訴你魚在哪——至少理論上是這樣啦 (╯°□°)╯ ## 醫生最痛恨的那件事 接下來這段，如果你沒在美國看過病，可能會覺得這是我在瞎掰。但它是真的，而且比你想的更荒謬。 在美國，醫生開藥或安排檢查之前，很多時候要先向保險公司申請「事前授權」（Prior Authorization）。白話翻譯：醫生已經知道你哪裡有問題了，但他不能直接治你。他得先寫一份報告，跟保險公司證明「這個治療真的有必要」，然後等保險公司批准。批准之前？你就等著。 這個流程有多吃時間？根據美國醫學會（AMA）的調查，光是 Prior Authorization 這一項，醫生和其醫療團隊每週就要花大約 [14 到 16 小時](https://www.ama-assn.org/practice-management/prior-authorization)處理相關的行政作業。注意，這還只是事前授權，不包括其他行政工作。你想想看，一個醫生一週才上班幾個小時？ > **Mogu OS：** > > 我每次聽到這個數字都覺得很荒謬。一個唸了八年醫學院的人，每天最大的工作壓力不是看複雜的病例，而是跟保險公司打文書仗。這就像你考上台大資工系，結果工作內容是每天填 Excel 報表跟保險理賠人員吵架。你媽知道會哭 ┐(￣ヘ￣)┌ Claude 的新 [Agent](https://gu-log.vercel.app/posts/mp-36-20260206-karpathy-agentic-engineering/) [Skill](https://gu-log.vercel.app/glossary#skill) 就是來處理這件事的。根據公告，它可以自動比對保險規定、臨床指引、病患紀錄，然後組裝出一份完整的授權申請。如果這真的能跑起來，那不叫「取代醫生」——那叫「還醫生一個人生」。 另一個 [Agent](https://gu-log.vercel.app/glossary#agent) Skill 是 **FHIR Development**。FHIR（Fast Healthcare Interoperability Resources）是讓不同醫院系統能互相交換資料的標準格式。你可以把它想成醫療界的 USB-C——大家終於同意用同一個接口了，不用再為了傳一份病歷搞得像跨國匯款一樣複雜。Claude 現在可以幫你開發和處理 FHIR 格式的資料，讓 A 醫院的系統能讀懂 B 醫院的病歷。 > **Mogu 歪樓一下：** > > FHIR 這個縮寫唸起來就是 “fire”，取得好。因為在它出現之前，醫院之間交換資料的體驗確實像火災現場一樣混亂。我之前寫過 [Agent 的概念](https://gu-log.vercel.app/posts/mp-36-20260206-karpathy-agentic-engineering/)，Karpathy 說得很清楚：Agent 不是「更聰明的 chatbot」，是能幫你完成一整個工作流程的自主系統。醫療領域就是 Agent 最適合發揮的場景之一——流程固定、文件海量、人類做了會想死 (๑•̀ㅂ•́)و✧ ## 你的健康報告，Claude 也想看 如果你是 Claude Pro 或 Max 訂閱用戶（目前美國限定），你現在可以把自己的健康資料接上 Claude 了。支援的來源包括 **HealthEx**、**Function**、**Apple Health**、**Android Health Connect**。 接上之後能幹嘛？把你那堆看起來像外星語言的醫療紀錄翻譯成人話、解釋那些搞不懂的檢驗數字、在你的運動和健康數據裡找規律，甚至幫你列出下次看醫生要問的問題清單。 回到最開頭我朋友的故事：拿到報告 → 看不懂 → Google → 越查越慌 → 半夜三點覺得自己要掛了。現在有了 Claude，她可以把報告丟上去，然後聽它用人話說：「AST 47 只是輕微偏高，通常是最近太累或喝太多酒。不用太擔心，但下次回診記得跟醫生提一下。」 > **Mogu 吐槽時間：** > > 我敢打賭這功能上線後最常被問的問題一定是：「我的肝指數偏高，我是不是要死了？」答案 99% 是「你不會死，但少熬夜少喝酒」。講認真的，「把醫學術語翻譯成人話」這件事的價值被嚴重低估了。很多人不是不在乎自己的健康，是真的看不懂那些報告所以乾脆不看。不過要提醒一下：AI 翻譯健康報告不等於醫療建議，真的有疑慮還是要去看醫生 (｡◕‿◕｡) ## 製藥公司那邊也沒閒著 Anthropic 同時發布了一整組給生命科學領域的工具。**Medidata**（臨床試驗數據平台）、**ClinicalTrials.gov**（美國臨床試驗登記資料庫）、**bioRxiv 和 medRxiv**（預印本論文資料庫）、**Open Targets**（藥物研發目標資料庫）、**ChEMBL**（化合物活性數據庫）——再加上臨床試驗計畫書自動撰寫、科學問題篩選、生物資訊學工作流程。 這堆東西對製藥公司的意義是什麼？我用一個比喻：你有十個不同的 Google Drive 資料夾，裡面各放了一個大專案的資料，格式不統一、命名規則不一樣、有些還有版本衝突。現在有人幫你把它們全部整合到同一個 dashboard，而且附帶一個已經讀過所有文件的助手。光想就很爽。 開發一款新藥平均要花 **10 到 15 年**、**超過 10 億美元**。但這裡面有一個很多人不知道的事實：大量時間不是花在「想出突破性的新點子」，而是花在「整理資料」和「寫文件」。如果 AI 能把這些苦工的時間砍掉——哪怕只是三到四成——那影響的不只是帳簿上的數字，而是有多少救命的藥能更快到需要它的人手上。 > **Mogu 真心話：** > > 臨床試驗之所以貴到嚇人又慢到要命，一個很大的原因是每一步都有海量的文件要跑。光是寫一份試驗計畫書就可能要好幾個月——不是因為科學問題想不出來，是因為格式、法規、倫理審查、數據要求，每一項都是坑。如果 Claude 能在幾天內吐出一個合格的初稿，科學家只需要在上面做專業判斷和修改，那整個流程就從「從零開始蓋房子」變成「拿到毛坯屋然後裝潢」。時間差距是數量級的 ╰(°▽°)╯ ## 合規門票：HIPAA 這關不得不聊 HIPAA（Health Insurance Portability and Accountability Act）是美國的醫療隱私法。簡單說：你的病歷資料是最敏感的個資之一，任何碰到它的系統都要通過非常嚴格的安全標準。搞砸了？天價罰款加法律訴訟，不是開玩笑的。 Anthropic 在公告中表示他們的基礎設施是 **HIPAA-ready** 的。這代表他們已經具備處理受保護健康資訊（PHI）的技術基礎架構——但要注意，「HIPAA-ready」不等於「已通過 HIPAA 認證」（嚴格說 HIPAA 沒有「認證」制度），也不代表醫院導入就自動合規。每個醫療機構還是需要跟 Anthropic 簽 BAA（Business Associate Agreement），並依據自己的使用情境做額外的合規評估。 這聽起來很無聊對吧？但這是進入醫療市場的門票。沒有這張門票，前面講的那些功能全部都是展示品，不是產品。 > **Mogu 畫重點：** > > 這也解釋了為什麼不是隨便一家 AI 新創就能衝進醫療市場。合規這件事門檻超高，而且不是一次過就好——你要持續維護、定期審計、隨著法規更新調整。就像開餐廳的衛生許可證：你廚藝再好，沒有那張證，衛生局直接封你的門。有趣的是，OpenAI 幾乎同一時間也推了 ChatGPT Health。兩家巨頭同時搶灘，代表大家都看到同一件事：醫療 AI 這塊餅，先拿到合規門票的人確實佔了先機 (⌐■\_■) ## 那這場醫療 AI 大戰，誰會贏？ 我說一個可能反直覺的觀點：最後贏的不一定是模型最強的那家，而是最懂醫生在痛什麼的那家。 你去問任何一個在美國執業的醫生，他們不會跟你說「我需要更厲害的 AI」。他們會說：**「拜託幫我把這堆行政工作處理掉，讓我回去好好看病人。」** 從 Anthropic 這次的佈局來看——企業端做醫院和藥廠的基礎設施，消費端做個人健康紀錄——我認為他們想玩的是雙輪策略：用消費端養使用者習慣和信任感，用企業端賺錢和建資料飛輪。這是不是能成功？太早說。但方向確實很清楚。 記得最開頭那個半夜三點盯著報告焦慮到睡不著的我朋友嗎？也許再過不久，她只需要拍一張報告的照片，丟給 Claude，然後聽它用人話說：「你沒事，但少熬夜。」 然後安心去睡覺 (￣▽￣)／ --- **來源**: [Anthropic 官方部落格 — Healthcare and Life Sciences](https://www.anthropic.com/news/healthcare-life-sciences)（2026 年 1 月 11 日） ## 延伸閱讀 - [MP-24: Karpathy 的 Agentic Engineering 宣言 — 寫 prompt 比寫 code 重要的時代](https://gu-log.vercel.app/posts/mp-36-20260206-karpathy-agentic-engineering/) - [MP-19: AI 社群網路 Moltbook — Karpathy:「這是我看過最科幻的事」](https://gu-log.vercel.app/posts/mp-19-20260204-karpathy-moltbook/) - [MP-26: Claude Code Wrappers 將成為 2026 的 Cursor — AI 自主建構 Context 的典範轉移](https://gu-log.vercel.app/posts/mp-26-20260204-4nzn-claude-code-wrappers/)