媒體報導

每年冬季流感高峰，香港公立急症室輪候時間動輒突破4小時，部分區域甚至超過8小時。 香港醫管局近年力推智慧醫院舉措，將全港18間急症室輪候時間推送至市民指尖，期望通過資訊透明實現患者「自我分流」，優化資源配置。 然而，一個根本性問題浮出水面：螢幕上那個看似精確的數位，真的能反映急症室的真實狀況嗎？

我們的研究試圖回答這個問題。 答案或許出人意料：如果資訊本身存在結構性缺陷「透明」不僅無法解決問題，反而可能加劇擁堵。 我們將這一困境稱為急症室的「後視鏡」困境——你看到的不是前方路況，而是數小時前的歷史鏡像。

想像你打開導航軟體，顯示「主幹道暢通，預計20分鐘」，你欣然駛入卻發現堵得水泄不通。 仔細一看才發現小字：「數據基於三小時前到達車輛的平均通行時間」。 這聽起來荒謬，但正是香港急症室等待時間公告系統面臨的現實。 當你在「HA Go」（醫管局一站式手機程式）上看到「某醫院等候時間>2小時」時，這個數位反映的是兩個多小時前到達的患者的等待經歷，而非基於當前隊列對你等待時間的預測。

注：圖片為2026年3月27日下午3時10分在急診室等待時間網站上截圖（https://www.ha.org.hk/visitor/ha_visitor_index.asp?Content_ID=235504&Lang=CHIB5&Dimension=100&Parent_ID=0&Ver=HTML）

我們基於2019年超過130萬次急診就診記錄發現，只有3.1%的患者對公告資訊敏感。 這些人呈現清晰的梯度分佈非緊急患者中敏感比例較高（3.7%–5.6%），緊急患者中僅0.9%。 這其實是好消息——信息系統的主要消費者恰恰是可以靈活選擇醫院的非緊急患者，真正需要緊急救治的病人大多由救護車直送最近醫院。 研究還發現，這些敏感患者平均願意多行駛4.8公里來換取1小時等待時間的縮減，說明他們確實像規劃通勤一樣規劃就醫行程。

3.1%是2019年信息技術尚未全面普及時的基準。 後疫情時代，「HA Go」的強力推廣、患者對擁擠的敏感度提升、對實時資訊的期待增長，都在推高這一比例。 當越來越多人依據同一套資訊決策，會發生什麼？

我們構建了基於香港島三家急診科的仿真模型。在「理想情況」下——信息完全準確且實時更新——採納率從0%提升到100%時，平均等待時間下降29%。 然而，當我們將現實中基於過去三小時第95百分位數的「滯後信息」植入模型，結果出現戲劇性反轉：敏感患者比例超過20%後，系統性能急劇惡化，平均等待時間比完全沒有資訊時最多增加96%。

原因在於「反饋迴圈」：大量患者根據同一套滯後信息同時湧向「看似」不擁擠的醫院，造成新的擁堵，原本擁堵的醫院反而變空。 這種「潮汐式」波動加劇了系統不穩定性。 更令人擔憂的是，主動獲取信息的敏感患者反而成為受害者——他們的等待時間反而長於不敏感患者，「主動性」非但未獲獎勵，反受懲罰。

出路在於將信息從「後視」轉向「前視」——不是告訴你「過去別人等了多久」，而是預測「你現在到達需要等多久」。 令人意外的是，即使是相對簡單的線性回歸模型，也已展現出超越傳統方式的優越性。 在高度監管的醫療行業中，線性演算法的可解釋性與可調試性往往比純粹的預測精度更為重要。

2025年10月，我們將研究成果與醫管局溝通后，他們更新了沿用多年的系統。 新頁面按分流級別分別提供中位數和第95百分位數等待時間，信息更加豐富。 這是值得肯定的進步，表明嚴謹的本地研究能實實在在影響公共政策。 然而，新系統提供的仍然是基於過去的信息——後視鏡的清晰度提高了，但指向的依然是滯後的路況。 這既是里程碑，也是新起點。

這一困境對推行類似系統的醫療機構有三點啟示。 其一，演算法比推廣更重要——如果使用準確的預測方法，推廣有價值; 但如果使用簡單統計方法，大規模推廣可能適得其反。 其二，信息更新頻率不是萬能的——對於不準確的預測方法，即使即時更新也無法拯救性能。 其三，系統設計應考慮公平性——主動獲取信息的患者理應獲得更好體驗，這要求資訊本身足夠準確及時。

技術始終是手段，人的健康與尊嚴才是目的。 當「HA Go」未來能基於實時隊列告訴患者「如果你現在出發，預計等待X小時」時，那將是數字醫療真正從「後視鏡」時代跨入「前視窗」時代的標誌。

歐陽會銀教授
港大經管學院創新及資訊管理學副教授

孫占坤教授
香港城市大學商學院副教授

（本文同時於二零二六年四月十六日載於《FT中文網》明德商論專欄）