跳至主要內容
YIM NEWS
† 最新報導
科技 分析

醫師看診的每一句話,現在有三成交給微軟的模型:MAI-Transcribe-2 換上了什麼

刊登 2026/11/19 06:16 閱讀約 4 分鐘 全站第 1,731 篇

11月17日,微軟在 Ignite 2026 活動上宣布,其醫療 AI 產品 Dragon Copilot Transcribe 已正式改用自研語音識別模型 MAI-Transcribe-2,目前承擔該產品百分之百的醫患對話轉寫任務。這項改變聽起來技術味很重,但它影響的是很日常的事:你在診間裡說的每一句話,怎麼變成病歷上的文字。

先看幾個可直接確認的數字。微軟表示,Dragon Copilot Transcribe 每月處理約一千萬次患者就診場景,全美國約三分之一的醫師已在使用;在多語言工作流中,錯誤率下降約五成。模型的平均詞錯誤率為 5.2%,在 FLEURS 基準的六十種語言中取得領先表現。

為什麼「聽得懂混著說的話」是關鍵

語音轉寫技術並不新鮮,手機上的語音輸入早已普及。醫療場景的難點在別處:診間很吵、醫師和患者會搶話、專業術語密度高,而且很多人說話不是單一語言。

微軟特別點出 MAI-Transcribe-2 能處理「中英混說」「印地語夾英語」這類常見的語碼轉換場景。這對美國的意義尤其具體:急診室裡的患者可能一句話裡混著兩種語言,過去的轉寫系統遇到這種情況往往整句報廢,醫護人員還得回頭重聽錄音、手動補救。

打個比方,傳統轉寫模型像一位只學過標準普通話的抄寫員,聽到「幫我開個 panadol 好了,頭很痛」這種句子就卡住。MAI-Transcribe-2 針對的正是這種日常真實語言,而非教科書語言。

對患者端而言,更穩定的轉寫也降低了另一種風險:語言識別錯誤導致醫療資訊失真。藥名抄錯一個字,後果和一般會議記錄打錯字完全不同。

規格表上看不到的,往往才是重點

除了準確率,幾項工程細節決定了這套系統在臨牀流程裡能不能真正落地。

其一是說話人區分。轉寫若分不清哪句是醫師說的、哪句是患者說的,病歷整理者還是得人工校對,等於自動化只做了一半。其二是詞級時間戳與關鍵詞偏置,前者讓錄音和文字可以互相對照查核,後者讓醫療機構可以把院內慣用藥名、科別術語設成優先識別。

最值得注意的是「逐字」與「精簡」兩種輸出模式。逐字稿用於合規留與分析,精簡版用於病歷撰寫。這個設計透露了一個現實:同一份對話,法務部門和臨牀部門要的東西不一樣,輸出形態得跟著分流。

::infigure::

(依本站純文字模式,本文不附圖。)

價格與速度:每小時 0.10 美元的訊號

微軟同時宣布,該模型處理長音檔的速度最高可達部分競品的十倍,並推出每小時音檔 0.10 美元的限時價格,約合新臺幣三塊多。

這個定價值得多看一眼。語音轉寫市場上,醫療級服務的單價長期高於一般轉寫,理由是準確率要求與法規成本。微軟把價格壓到這個位置,配合每月一千萬次就診的既有規模,明顯是在用自研模型壓低邊際成本,把醫療語音市場推向價格戰。

讀者可以帶走的三個判斷

第一,對醫療從業者與醫院資訊部門來說,醫患對話轉寫正在從「輔助工具」變成「基礎設施」。全美三分之一醫師的使用規模意味著,採購決策的重點會從「要不要用」轉向「資料怎麼管」:錄音、逐字稿與精簡病歷各自的法律地位與儲存期限,會是接下來的實際問題。

第二,對多語言環境的機構而言,語碼轉換能力是過去評估語音系統時最容易被忽略、實際使用時最常翻車的一項。微軟把這個指標拉到宣傳主軸,等於替整個市場立了新的評估標準。

第三,需要保留的未知:五成的錯誤率下降與 5.2% 的詞錯誤率均為微軟自行發布的數據,FLEURS 基準的領先幅度、以及在真實診間噪音下的表現,尚無獨立第三方驗證。醫療資訊的失真風險不會因為廠商數字漂亮而自動消失,導入單位仍需要自己的抽樣核對流程。

一句話收斂:這次升級真正改變的,是醫師下班前那段整理病歷的時間,以及混語患者被聽懂的機率。至於這套系統對醫病關係與病歷品質的長期影響,要看接下來一年獨立驗證與法規跟上多少。

資料來源

  1. 01 參考來源 www.ithome.com

本文使用 AI 協助整理或撰稿,引用與分析仍應依原始資料核對。

編輯政策 更正與勘誤