當陳昭仁醫師在診間打開舌象擷取系統，鏡頭對準患者的舌面，十秒鐘後，顯示螢幕上出現的不只是顏色還原後的影像，而是一組數據：舌色偏紅、舌苔厚膩、舌形略胖、邊緣齒痕明顯。這些過去只能靠中醫師肉眼判斷、靠手寫紀錄的特徵，現在被拆解為七個類別、四十項參數。
這場景發生在馬光醫療網位於高雄的院所，不是什麼未來醫療的展示間。二〇二六年八月二十八日，馬光與友達耘康在大南方新創展上正式對外展出這套合作開發的系統，但實際上，已經有十一位中醫師在臨床第一線用了好一陣子。
說穿了，AI看舌頭這件事，真正的挑戰從來不是演算法本身——而是怎麼讓機器聽懂中醫師的「手感」。
表象
從展場攤位看過去，這套系統的邏輯並不複雜。經濟部產業發展署署長邱求慧到場時，陳昭仁院長示範了整個流程：拍攝、校色、分析、輸出。友達耘康負責影像技術與自動校色，馬光則提供最核心的資產——兩年來累積的兩千多張舌象照片，以及十一位醫師反覆標註、校正的臨床判斷。
系統目前平均準確度落在八成左右。這個數字聽起來還不錯，但問題在於：中醫舌診不像肺炎X光片有明確的「確診」標準，同一張舌頭照片，五位資深醫師可能給出四種不同的解讀。那麼，AI該以誰的判斷為準？
陳昭仁在展場受訪時提到一個關鍵：「系統拍攝時，我們發現有些患者舌頭無法順利頂到上顎，進一步留意才發現可能跟顳顎關節障礙或頸椎問題有關。」這段話背後藏著一個重要訊息——AI能做的不是取代醫師的診斷，而是把原本容易被忽略的細節「定格」下來，讓醫師有機會發現更多線索。
從產業面來看，這套系統的真正價值不在於「AI取代中醫師」這種聳動標題，而在於它解決了中醫長期以來的一個痛點：經驗傳承的斷層。台灣中醫師養成平均需要十年以上臨床累積，但舌診這種高度依賴視覺判斷的能力，過去幾乎無法被系統性地記錄與傳授。馬光這次的嘗試，其實是在幫中醫建立第一套可被檢視、可被複製的舌象資料庫。不過話說回來，八十％的準確率在實驗室環境是一回事，進到診間面對千變萬化的體質差異，還有很長的路要走。
真相
馬光醫療網執行長黃福祥說了一句值得被記住的話：「中醫發展至今擁有大量珍貴的實證智慧，但過去許多經驗難以標準化流傳。」
這句話點出了中醫現代化過程中最尷尬的矛盾。中醫不缺臨床經驗，台灣每天有數十萬人次接受中醫診療，累積的病例數量絕對夠大。但這些經驗大多鎖在醫師的腦袋裡，或者寫在病歷上卻無法被結構化運用。馬光這次動員十一位醫師、花兩年時間做標註，某種程度上就是在做一件「AI最需要、但醫師最不愛做」的苦工。
友達耘康的角色也值得注意。這家公司不是傳統的醫療軟體廠商，而是從顯示器技術跨進智慧醫療領域。自動校色技術對他們來說是基本功，但應用在舌診上，解決的卻是中醫界幾十年來的痛——舌象容易受環境光源影響，同一條舌頭在日光燈下跟自然光下看起來就是不一樣。技術能解決顏色還原問題，但後續的「這個舌色代表什麼意義」，還是得回歸醫師的專業判斷。
換個角度想，這套系統最直接的受益者其實不是資深中醫師，而是正在學習中的年輕醫師。舌診本來就是中醫四診裡最難標準化的一項，望診的細微差異往往只可意會。當系統能把舌色、舌形、舌苔等特徵用影像與數據同時呈現，年輕醫師至少有了可以反覆對照的參考基準。黃福祥說希望「縮短經驗累積的時間」，這才是AI在中醫傳承上真正的潛力所在。
各方角力
這次合作不是單純的「廠商賣設備、診所買系統」。從陳昭仁長時間提供臨床回饋、參與模型調整的過程來看，馬光在這場合作中握有相當大的話語權。這背後反映的是AI醫療應用的一個新趨勢——過去是技術團隊做了產品再找醫師試用，現在是醫師從一開始就介入開發流程，告訴工程師「什麼東西對臨床有幫助」。
但話說回來，這套系統目前收集的兩千多張舌象照片，對AI訓練來說只是個起點。中醫體質辨證講究的是「整體」，舌象只是其中一環，還要搭配脈診、問診、聞診。馬光自己也清楚這一點，所以在展場的表述始終保持一種微妙的平衡：一方面強調AI輔助的潛力，另一方面不斷強調「最終仍須回到醫師的專業判斷」。
這種謹慎不是沒有道理。中醫界過去不是沒有嘗試過數位化，但很多專案最後都卡在「收集了一堆數據卻不知道怎麼用」的窘境。馬光這次至少把目標設定得很明確——先從舌診影像著手，目標是完成十二個月的臨床驗證，持續升級系統，不急著一步到位。
如果往後推演，這套系統真正值得觀察的，不是它現在能辨識四十項還是五十項特徵，而是馬光有沒有辦法持續累積足夠規模的臨床數據。兩千張照片只是一個開始，要訓練出真正有臨床價值的AI模型，背後需要的是長期、大量、有系統的資料累積。這對連電子病歷都還在逐步普及的中醫診所來說，是比技術本身更大的挑戰。
深層影響
對一般患者來說，這套系統帶來的改變可能更直觀——過去醫師說「你的舌苔很厚」，患者只能似懂非懂地點頭；現在螢幕上直接秀出影像，圈出舌苔分布的區域，旁邊標註厚度分級，醫師可以指著畫面解釋：「你看這裡的舌苔偏黃，表示體內可能有濕熱。」
馬光的團隊在臨床使用中發現了一個意想不到的效果：當患者看到自己的舌象影像後，對醫師說明身體狀況的理解程度明顯提高，後續配合治療的意願也跟著提升。這其實說明了醫療現場的一個基本道理——醫病溝通的核心不在於誰的專業比較厲害，而在於能不能用對方能理解的方式傳遞資訊。
更進一步來看，當舌象可以標準化記錄，中醫的療效評估也就有了更多的客觀依據。過去患者說「感覺好多了」，醫師很難用具體數據去驗證；但如果治療前後的舌象影像可以並列比較，色澤、苔質的變化一目瞭然，療效不再是「感覺」，而是可以被看見的改變。
未解之問
不過，在這些亮眼的前景背後，有幾個問題值得靜下心來想一想。
第一，舌診只是中醫四診之一，AI如果只能看舌頭，診斷的完整性終究有限。馬光有沒有規劃下一步整合其他診察方式的數據？還是這個專案就停在「舌象擷取」的階段？
第二，八十％的準確率在臨床上到底代表什麼？如果AI跟醫師的判斷不一致時，該聽誰的？馬光的團隊強調「AI只是輔助」，但當輔助工具的建議與醫師直覺相左時，年輕醫師會不會因為過度依賴AI而失去獨立判斷的能力？
第三，也是最現實的一點——這套系統的成本結構如何？台灣多數中醫診所是中小型規模，設備採購的預算有限。如果這套系統的價格不夠親民，再好的技術也只能停留在少數連鎖醫療網的示範診間裡，無法真正普及到基層。
陳昭仁在展場受訪時說，希望科技能成為醫師經驗的延伸。這個願景聽起來很美好，但要讓它實現，需要的恐怕不只是更精準的演算法，還包括整個中醫體系的數位化基礎建設、健保給付制度的配合調整、以及新一代中醫師對科技工具的接受度。
舌頭不會說謊，但AI能不能真的讀懂舌頭背後代表的意義，答案還需要時間來揭曉。
對你來說，下一次進中醫診所，如果醫師打開螢幕秀出你的舌象數據，你會覺得更安心，還是覺得哪裡怪怪的？這不只是科技的選擇，也是我們對「醫療信任」這件事的重新定義。不妨在下次看診時主動問問你的中醫師：「我的舌象有什麼變化？」——你問的每一個問題，都在推動醫療溝通往前走一步。
本文改寫整理自公開新聞來源，原始報導由Yahoo奇摩新聞發布。
常見問題 FAQ
AI看舌頭準確度有多高？中醫師真的會相信嗎？
目前這套系統的平均準確度約八十％，但中醫舌診沒有絕對標準答案，AI的判斷仍須經中醫師最終確認，目前定位是輔助工具而非診斷設備。
這套舌象擷取系統一般民眾可以在哪裡使用？
目前系統正在馬光醫療網旗下院所進行臨床驗證，尚未全面開放，目標是完成十二個月的臨床驗證後逐步擴大應用場域。
AI舌診跟傳統中醫看舌頭有什麼不一樣？
傳統舌診依賴醫師肉眼觀察與經驗記憶，AI則能在十秒內完成影像還原、三分鐘內辨識七大類四十項特徵，並留下可回顧的影像紀錄，有助於醫病溝通與療效追蹤。
舌象拍照會不會有隱私疑慮？
舌象影像屬於醫療紀錄的一部分，須依循醫療機構病歷管理規範處理，民眾使用前可向醫療院所確認資料保存與使用方式。
AI舌診能取代中醫師的望診嗎？
不能。AI只能輔助影像判讀與特徵標註，最終診斷與用藥決策仍須由中醫師綜合四診資訊後做出專業判斷。
※ 此篇文章由 AI 改寫或生成，內容僅供參考，可能存在錯誤或不準確之處。
