買到機器，不等於看得到病：WHO 把醫材、檢驗與輔具拉成「從採購到報廢」的一條生命週期——偏鄉真正缺的是可用，不只是有設備

一台超音波送進山區診所，新聞照片很好看；一套檢驗儀器裝進衛生所，也很容易被列成「醫療量能提升」。但真正的問題往往從剪綵之後才開始：探頭壞了誰修？試劑下個月還買得到嗎？軟體授權到期誰處理？校正要送回都市幾天？停電後資料是否遺失？護理師輪調之後，新進人員有沒有受訓？設備故障時，病人是不是又得花兩三個小時下山？

WHO 2026 年在東南亞區域推動的醫療設備、體外診斷與輔具生命週期議程，把焦點從「買了什麼」轉向「能不能長期正常使用」。WHO 明確提出，醫材與診斷設備若不可取得、負擔不起、不安全或無法運作，後果可能是延誤診斷、不適當治療、額外轉診、增加自付費用與更差的健康結果。因此，採購不能只比較單價，而要把 essential lists、監管、安裝、訓練、維護、備品、資產盤點、停機時間、汰換與報廢放進同一個系統。

這個視角對偏鄉尤其重要。都市大型醫院可以同時有兩台、三台相近設備，其中一台停機，還有替代方案；偏鄉診所可能只有一台。城市裡的工程師半小時能到，山區或離島卻可能需要跨縣市甚至等船班。看似相同的「一台設備」，在不同地理條件下其實具有完全不同的風險。因此，醫療公平不能只算每萬人口有多少台機器，還要算真正可用率、平均修復時間、耗材中斷天數、是否有替代流程，以及病人因停機增加了多少交通時間。

WHO 的 life-cycle approach 也把 biomedical engineering 放回醫療系統核心。很多人想到醫院，只想到醫師、護理師、藥師，卻很少看到維持設備安全的工程與管理人員。當血壓計、氧氣機、超音波、X 光、檢驗儀器或復健輔具開始數位化，維修不再只是「換一個零件」，還可能涉及韌體、軟體、網路、資安、資料備份與供應商遠端服務。未來人工智慧進入醫材之後，模型更新、演算法版本、感測器漂移與資料品質，也都會變成設備生命週期的一部分。

對原鄉公共服務而言，這是一個很適合做成「雙向知識」的議題。中央機關與醫院管理層握有採購金額、設備清冊、合約與保固資料；第一線卻知道另一套真實資料：哪一台最常壞、哪一個耗材總是斷貨、哪個月份道路不通、哪個村落老人不願意因一次檢查往返六小時、哪一種輔具雖然核發了卻不適合當地坡地與居家空間。只有把這兩種資料放在一起，政策才不會停在「已購置」。

這也提供人工智慧一個實際而不炫技的應用方向。原鄉醫療 人工智慧 不一定先從最昂貴的診斷模型開始，也可以先做設備可用性預測。系統若整合使用時數、故障紀錄、零件更換、耗材庫存、交通時間與廠商維修 SLA，就能提前提醒某一台設備的保養期限、某一種試劑可能在連假前耗盡，或某地雨季道路容易中斷而應提前備料。這類預測若設計得好，可能比多買一台但長期停機的設備更有價值。

第二個方向是「轉診前可用性」。病人被告知到某院檢查之前，系統應確認設備當天是否可用、必要技術人員是否在班、檢驗是否仍能執行。偏鄉病人最不應承擔的成本，就是走很遠之後才發現機器壞了。若不同院所可共享匿名化的設備運作狀態，醫療轉診就能從紙本路徑變成真正的服務協調。

第三個方向是輔具。輪椅、助行器、呼吸輔具或其他 assistive products，不是發下去就結案。山區坡度、家屋門檻、道路材質、照顧者體力、維修點距離都會影響使用。生命週期治理要求我們追蹤「是否還在用、是否安全、是否需要調整」。這種回饋如果透過 LINE 或簡單聊天機器人蒐集，反而比要求長者登入複雜醫療平台更可能成功。

當然，資料化也要避免另一個陷阱：把偏鄉變成被遠端監控的對象。設備管理資料應以服務改善為目的，不能因某衛生所停機較多就直接解讀為「管理差」。如果道路阻斷、供應商不願進場、中央採購規格不適合當地，這些都是系統責任。好的儀表板應該讓地方有能力指出問題來源，而不是只接受排名。

因此，真正值得問的是：一筆設備預算最後轉成了多少「可用的照護時間」？如果買了十台，其中三台長期缺耗材，兩台等待維修，一台無人會用，那帳面上的十台並不等於十台服務量能。對原鄉而言，醫療公平最具體的衡量方式可能不是設備擁有量，而是病人需要時，它能不能工作。

WHO 把「purchase」改寫成「functionality」，看似只是設備管理術語，實際上是在改變公共服務的責任邏輯：政府不能只對採購完成負責，也要對長期可用負責。當這個概念再結合在地回饋、人工智慧預測維護與跨院設備狀態共享，偏鄉醫療才可能從一次性的硬體補助，走向真正可持續的服務能力。

把可用性做成可追蹤的公共承諾

要把「可用」從口號變成服務能力，採購文件就應在簽約前列出全生命週期成本與責任：安裝條件、教育訓練、校正頻率、備品與耗材供應、故障通報、到場時限、替代檢查安排、資料轉移和最終汰換方式。只比較初始報價，容易把後續維修、交通與停機成本留給診所和病人承擔。偏鄉還應把雨季、道路中斷、船班、電力與網路狀況寫進風險評估，因為同一份合約在都市可行，不代表在山區或離島也能守住服務。

第一線最需要的是能看懂、也能回報的指標。設備可用率之外，可定期追蹤平均修復時間、耗材中斷日數、預防保養是否如期、轉診前確認成功率，以及病人因設備停機多花的交通時間。這些數字不能被拿來單純排名；它們應用來辨認是規格不合、預算不足、供應鏈延誤、工程人力缺口，還是地方條件未被納入設計。若每一次停機都只由最靠近病人的人自行補救，制度就看不見真正的責任缺口。

資訊系統可以協助整理維修紀錄與庫存警示，但必須讓資料回到服務改善。人工智慧若用於預測保養或安排備料，輸入資料的品質、供應商權限、資安與人工覆核都要有規則；它不應自動決定病人是否值得轉診，或把偏鄉較高的故障率直接標示成地方管理失敗。真正有價值的設計，是讓衛生所、醫院工程團隊、採購單位與社區服務者看見同一條服務鏈，並能在故障發生前共同改變行動。

服務設計也要預先說明故障時的病人路徑：誰負責通知、可改到哪一個院所、交通協助如何安排、原本的檢查資料如何安全轉交，以及恢復後是否需要主動回約。這些安排看似不屬於設備本身，卻決定一台儀器停機會不會直接變成病人的延誤與自費負擔。把替代路徑寫進日常演練，才能讓生命週期管理真正回應「病人今天是否能被照顧」。

每次演練後都應由病人與第一線人員回看實際等待、交通與溝通成本，讓改善不是只停在設備清冊。

原傳媒AI｜依你的角色繼續追問

選擇你的角色，查看依職責設計的後續追問。

資料來源與延伸閱讀

• WHO｜From Purchase to Functionality: Life-cycle implementation of medical devices including IVDs
• WHO｜South-East Asia Regional Office
• WHO｜Medical devices