WHO 6月2日發布的討論文件《人工智慧與以證據為本的政策——新興挑戰與機會》，切入角度與多數 AI × 醫療的文件不同：它不是在討論 AI 怎麼輔助臨床判斷，而是在問 AI 如何重塑衛生政策本身的制定過程。 WHO 數據與數位健康部門主任 Alain Labrique 在文件中直接說明了這個定位的轉移：「政策對話關注的是臨床照護，這份文件把注意力重新導向到證據基礎真正被塑造的地方：問題如何被定義、政策選項如何被設計、影響如何被評估。」 換句話說，AI 進入政策流程的影響，不只是「讓政策執行更有效率」，而是在更上游的環節——哪些問題被看見、哪些數據被納入、哪些分析框架被採用——開始產生結構性的影響。 文件的分析框架以政策週期為主軸，從問題識別、選項設計到實施監測，逐一梳理 AI 在各個環節能帶來什麼，以及可能引入什麼風險，在機會面，AI 可以透過分析更大規模的資料集、進行持續的文獻綜合與更快速的政策情境模擬，強化政策分析的深度與速度。 但同時提出了一個值得關注的概念：「認識論不正義」（epistemic injustice），AI 系統在篩選與加權證據時，傾向優先處理可量化、資料豐富的來源，而容易忽略生活經驗、在地知識、原住民族知識與社區觀點，這不只是偏見問題，而是在說明：如果 AI 主導了「什麼算是有效證據」的篩選過程，政策的代表性就有可能系統性地被縮窄。 WHO 的建議方向包括：在將 AI 系統導入政策流程之前，先進行演算法影響評估與技術準備度審查；系統部署後，建立持續性的證據審查機制、人工核驗機制與跨領域監督。 這份文件真正的意義，不在於列出 AI 在政策中的用途清單，而是在提醒：當 AI 開始參與「哪些問題值得被解決」的判斷，治理框架就需要往政策制定的源頭延伸，而不只是停在工具的部署層面。 資料來源： https://www.who.int/news/item/02-06-2026-new-who-discussion-paper-sets-out-opportunities-and-risks-of-ai-in-evidence-informed-health-policy