2026年9月26日，一篇談「如何判斷中醫舌診AI」的長文在網路上流傳。事件的起點是三立新聞網報導馬光與友達耘康的合作，以「讓AI學會看舌頭」描述雙方要在舌象量化與AI判讀上探索。報導寫得熱鬧，但那篇長文提醒了一件樸素的事：合作方向是公開的，臨牀驗證設計、跨院測試結果與主管機關核準狀態，目前都還沒有出現在公開資訊裡。
這則新聞離你的餐桌其實不遠。中醫師看舌頭的習慣，很多人在家裡也有：早上刷牙前對著鏡子伸伸舌頭，昨天那鍋麻辣鍋喫得兇不兇、湯喝得多不多，舌面上多少會留一點痕跡。舌頭是身體的味覺器官，也是一張飲食的紀錄表。
我們先前聊過臉為什麼紅了與那鍋麻辣鍋的關係，舌象其實是同一類話題的另一面：喫的東西會在身體表面留下訊息，只是讀取這些訊息，比多數人想的要講究。
舌頭的照片，比你想的難拍
那篇長文花了相當篇幅解釋「舌象量化」是怎麼一回事。聽起來只是拍照，實際上光線就是第一道關卡。相機的白平衡、曝光、光源色溫、環境反射，全都會改變照片裡的顏色。同一條舌頭，在黃昏的窗邊和診間的燈下，拍出來可能是兩種色調。若模型把設備造成的色差當成舌色特徵，量化就失了準頭。
這個道理在食物攝影裡人人碰過。你一定有這種經驗：一碗番茄蛋花湯，在餐廳暖黃燈下紅得飽滿，回家自己煮、用手機隨手一拍，湯色灰撲撲的，看起來像隔夜剩下來的。食物沒變，變的是光。舌象影像的困境，與你拍不下那碗湯真正顏色的困境，是同一件事。
再來是標註。舌苔的厚薄、裂紋的有無，由誰來認定、依什麼規則，不同標註者看法不同，資料本身就有不確定性。長文引述了Zhao等人2023年的研究回顧，指出舌象AI研究仍面臨資料集建置與效能評估可靠度的問題。換句話說，在一個資料庫裡表現好的模型，換到不同設備、不同院所、不同族羣，結果未必站得住。
這像極了一個只在自家爐火上試過的食譜。你家的鍋、你家的火、你慣用的那匙鹽，換到別人廚房，鹹淡就走了樣。食譜要經得起換人煮，模型要經得起換地方測。
「看見特徵」與「完成辨證」是兩回事
長文裡有一個區分很值得記住：辨識出舌苔或舌色，與推得中醫的證型或疾病，是兩個不同層次的任務。中醫辨證靠望、聞、問、切四診合參，舌頭照片裡沒有脈象，沒有症狀描述，沒有病史和用藥紀錄。把影像分類的成果直接寫成「完成辨證」，等於把一道備料的步驟說成辦完了一桌酒席。
文中也提到一項2024年的研究，在單一醫療中心用623名患者的舌頭影像，測試卷積神神經網路辨識正常舌與四類舌病變的分類效果。數字聽起來不小，但作者自己標明了限制：單一中心、五折交叉驗證，不能替代跨院的外部驗證，結果也不能直接代表中醫證型判讀的效能。
這種誠實，在廚房裡叫做「先試一口再上桌」。研究說自己還沒試完，我們就不該替它把那句「可以開飯了」說出口。
餐桌上的舌頭，先交給你自己照顧
至於日常，其實不需要等AI。舌頭是你自己的，每天早上刷牙前那十秒鐘的照鏡子，是免費的。喫完一頓重口味的晚餐，隔天舌苔厚一點、口裡悶一點，身體通常會自己說話。喝一碗清燉的湯、喫幾天清淡的家常菜，舌面又慢慢回到粉紅。這套來回，是很多人與自己身體最老派的對話方式。
大腦對「第一口」的記憶特別深刻，這件事我們在大腦如何決定哪一口值得記住裡聊過。舌頭不只替你嚐味道，也替你記下一段時間的飲食痕跡。照顧它的方式不神祕：辣的偶爾喫、湯慢慢喝、口味有鬆有緊，讓舌頭有機會回到它原本的樣子。
AI哪天真的學會看舌頭，也得先通過臺灣食藥署那一關。長文提到，AI／機器學習醫療器材軟體的技術指引在109年9月版之後歷經修正，2025年又更新了CADe／CADx的查驗登記技術指引，而產品是否屬醫療器材，要看預期用途與宣稱來判斷。這些是給開發者的關卡；給我們的關卡簡單得多。
在機器還在學習辨識舌苔厚薄的日子裡，你跟舌頭之間的信任，早就建立了好幾十年。明早刷牙前，不妨再對鏡子伸一次舌頭，看看昨天那一餐，在上頭留下了什麼。