中山醫學大學附設醫院醫教部 實證醫學中心主任
謝明諭
中山醫學大學附設醫院醫教部副院長
辛宗翰
在能力導向醫學教育(Competency-Based Medical Education， CBME)的全球推動之下，可信任專業活動(Entrustable Professional Activities， EPAs)已成為近二十年來最具影響力的評量典範之一。EPA 由 ten Cate 於 2005 年首次提出，其核心理念並非建立另一套能力清單，而是試圖回應一個攸關醫療安全與專業養成的根本問題:在特定臨床情境下，我是否能信任這位受訓者獨立完成這項工作?[1]
近年來，EPA 已被廣泛納入醫學生(undergraduate medical education, UME)、住院醫師(graduate medical education, GME)乃至於各類醫事人員的訓練體系。美國畢業後醫學教育評鑑委員會(ACGME)的 Milestones 框架、加拿大 CanMEDS 的 entrustable activities、澳洲與歐洲多國的核心 EPA 清單，以及台灣 PGY 訓練制度中的工作場域評量，皆可視為此一典範轉移的具體展現。然而，在 EPA 由概念走向制度化的過程中，一個值得醫學教育思潮層面深思的轉變正在發生——EPA 的評量重心，正從「整體性的信任判斷」逐步滑移為「能力清單的逐項勾選」。[2,3]
本文嘗試從醫學教育思潮的角度，重新檢視 EPA 與 milestones 在當前 CBME 體系中的定位與張力，並借用人工智慧發展史中「專家系統」失敗的歷史經驗作為理論隱喻，反思當代醫學教育評量是否正在無意間重演同樣的路徑。最後，我們提出一個三層式的整合架構，主張 milestones 應該作為支持判斷的工具，而非取代判斷的清單。
EPA 概念被提出時，並非為了補強 competency 框架的細節，而是為了彌補 competency 在臨床現場應用上的根本不足。傳統的能力導向評量，常將臨床能力拆解為知識、技能、態度等若干向度，以利分別評量。然而，真實的臨床工作從來不是各項能力的線性加總，而是在特定情境下，將多重能力整合為一個具體的「專業活動」執行。一位住院醫師面對右下腹痛的兒童時，所需動員的不是「病史詢問能力 + 理學檢查能力 + 影像判讀能力 + 鑑別診斷能力」的算術總和，而是在病人疼痛、家屬焦慮、值班壓力等情境下，將上述能力整合為「我能否被信任獨立處理這位病人」的整體判斷。[1,4]
正因如此，EPA 的本質是一種整體性、情境導向、奠基於專業判斷的信任評量。ten Cate 在 2020 年的 AMEE Guide No. 140 中明確指出，EPA 並不等於 competency，也不等於 skill; EPA 是「值得被授予某種程度自主權的工作單位」，而 competency 與 skill 則是達成這項工作所需的個人特質。[2] 此一概念區分至關重要，因為它決定了評量的層次:我們不是在評量「這個人具備了哪些能力」，而是在判斷「這個人在這個情境下，可以被授予什麼程度的自主權」。
ten Cate 等人在 2020 年發表於 Medical Teacher 的另一篇重要論文進一步指出，「豐厚的信任決定」(rich entrustment decision)應綜合考量五個面向:能力(capability)、誠正(integrity)、可靠性(reliability)、謙遜(humility)與主動性(agency)。[5] 這五個面向中，只有第一項可以透過能力清單較為清晰地評量，其餘四項皆涉及深層的專業判斷，難以化約為勾選式評量項目。換言之，EPA 評量自設計之初，就承認了「專業判斷的不可化約性」這一前提。
更重要的是，信任判斷必然帶有情境性、模糊性與隱性知識的特徵。van Enk 與 ten Cate 在 Perspectives on Medical Education 上的研究指出，臨床教師在做出 entrustment decision 時，常仰賴難以言傳的直覺、經驗與情境感知，這些「隱性判斷」(tacit judgment)在正式書面評量中往往難以被精確表達。[6] 此一現象呼應了 Polanyi 在《隱性維度》中的經典論斷——「我們知道的，遠比我們能說出來的多」。臨床專業判斷的核心，本就存在於那些無法被完全規則化的隱性知識之中。
隨著 CBME 在全球的推動，EPA 被視為將「臨床責任分階段授予受訓者」的有效工具，因而被廣泛納入醫學生與初階住院醫師的訓練體系。此一轉向具有教育上的正當性:讓學習者更早接觸真實臨床責任，有助於專業認同的形成與臨床能力的發展。[7,8] 然而，EPA 從原本主要應用於「合格醫師」的資格判斷，擴展至「在訓學員」的進階評估，也悄然引入了一個結構性矛盾。
EPA 的原始設計核心是「能否在最低督導下獨立執行」，但 trainee 在制度與法律層面上本即須接受督導，在訓練早期幾乎不可能達到完全獨立的 entrustment 等級。其結果是，五級 entrustment-supervision scale 在 trainee 的實務應用上，往往只用到前二至三級，評量敏感度因而下降。[9] 為解決此問題，許多訓練計畫開始細分 EPA 等級(如 2A、2B、3A、3B)，或將 EPA 與 milestones 對映，以提高在有限授權範圍內的區辨力。[10]
這些調整看似只是技術性的修補，實則悄然改變了 EPA 的評量邏輯。當 EPA 等級的判斷，從「我是否信任你獨立執行」變成「你是否完成了 milestones 清單上的若干項目」，評量的層次便從整體性的專業判斷，降階為清單式的能力盤點。Strand 等人在 PLOS ONE 發表的一項質性研究即直接觀察到此一現象——他們稱之為「在 CBME 中漂向官僚式打勾」(drift towards bureaucratic box-ticking)。[11] 該研究發現，當 EPA 微評量(microassessment)的累積數量本身成為晉升的條件，EPA 表單便逐漸被住院醫師與主治醫師雙方視為「在臨床工作中相互交換的貨幣」，而非真正促進學習與專業發展的反思工具。
「累積 EPA 評量的要求，使這些評量轉變為主治醫師與住院醫師相互交換、用以承認臨床工作完成度的『貨幣』。當規定式的 EPA 流程與評量情境不相符時，各種困境便應運而生。」(Strand 等人, 2025)
Milestones 的初衷，是為能力發展提供一套共同語言，以描述受訓者在不同訓練階段應達到的表現水準。ACGME 自 2013 年起在美國畢業後醫學教育系統推動 Milestones 評量，並建立 Clinical Competency Committee(CCC)制度，將 milestone 評量結果作為晉升決策的主要依據。此一機制在制度面提供了清晰度，也支援了住院醫師訓練品質的橫向比較。[12]
然而，當 milestones 與 EPA 整合於同一個評量體系時，EPA 的評量邏輯便產生了關鍵性的轉變:原本「我是否信任你在此情境下執行此活動」的整體判斷，逐漸被轉譯為「你是否累積了足夠的 milestone 達成度」的能力清單檢核。Montgomery 等人於 2024 年發表於 Journal of the American College of Surgeons 的研究發現，EPA entrustment 等級與 ACGME milestones 評分之間呈現中度至強度正相關(中位數 ρ = 0.703)，這一結果常被詮釋為「EPA 與 milestones 互為效度證據」。[3] 但若仔細思考此一相關性的意義，我們也可以提出另一種詮釋——當兩個原本應該評量不同層次的工具，測量結果高度相關，究竟是相互印證，還是相互取代？
ten Cate 等人於 2022 年發表於 Advances in Health Sciences Education 的論文，直接點出此一概念混淆的危險。他們指出，EPA 與 competency 之間的混用，並非僅是術語上的不嚴謹，而是反映了一種傾向——將所有教育目標都框構為 EPA，導致 EPA 失去其原始的「合格資格判斷」意義，轉變為「受訓者為了通過晉升而需要勾選的項目」。當 entrustment decision 不再連結到實際醫療場域中的自主權變化，而僅作為訓練階段晉升的依據時，EPA 便逐漸從「值得獨立執行的專業活動單位」，退化為「需要被收集的勾選框」。[13]
此一現象並非北美獨有。歐洲的 Bramley 等人在針對基礎健康專業教育的範疇性回顧中亦發現，EPA 在不同地區、不同專業的實作上，普遍存在「評量工具被簡化為操作型清單」的傾向。[14] 這提醒我們，milestones 作為支持工具的引入，是否在不知不覺中，改變了 EPA 的本質。
上述發展引出一個值得醫學教育社群警惕的歷史隱喻。1970 至 1980 年代，人工智慧研究曾出現第一波興盛期，其代表性技術即為「專家系統」(expert systems)。最著名的醫療專家系統 MYCIN 由 Stanford 大學於 1972 年開發，旨在診斷血液感染並建議抗生素治療。MYCIN 的設計理念，是將專家醫師的決策過程拆解為 600 餘條 IF-THEN 規則，並透過機械式的規則匹配來模擬專家判斷。在受控的研究情境中，MYCIN 的表現甚至優於部分人類專家，但它最終從未進入臨床實務。
為何 MYCIN 失敗?Dreyfus 兄弟在 1986 年的經典著作《Mind over Machine》中提出深刻的批判：專家系統試圖將專家判斷完全形式化為一套規則，卻忽略了專家認知的真正特性。他們指出，新手仰賴規則，但專家超越規則——專家的判斷，正是建立在那些無法完全被規則化的情境感知、隱性知識與經驗整合之上。當我們試圖將專家判斷強行編碼為規則清單，實際上是將專家「降級」為高階初學者的認知模式。專家系統的失敗，並非因為規則不夠多、不夠細，而是因為其底層假設——「專家判斷可以被完全形式化」——本身就是錯誤的。
這個歷史教訓，對當代 CBME 的發展具有深刻的警示意義。當我們將 EPA 拆解為越來越細的 milestones，將 milestones 進一步分解為操作型的行為指標，將行為指標再對應到評分量表上的勾選項目，我們是否正在重複專家系統的錯誤路徑？Natali 等人在 2025 年發表於 Artificial Intelligence Review 的系統性回顧已警告，過度依賴形式化的決策支援系統可能造成醫師的「去技能化」(deskilling)，特別是在臨床判斷、鑑別診斷與醫病溝通等領域。[15] 若這個警告適用於臨床實務，它對醫學教育評量同樣適用——當教師被引導將「信任判斷」化約為「清單勾選」，他們的判斷能力本身，也可能在制度設計之中悄然萎縮。
milestones 的設計初衷在於支持判斷，但若被誤用為取代判斷的清單，我們便正在重演 1980 年代專家系統失敗的歷史路徑——試圖將不可化約的專業判斷，強行轉譯為可勾選的規則集。
避免上述風險的關鍵，並非捨棄 milestones，而是重新定位其角色。本文主張一種三層式的 EPA 評量整合架構，用以同時保留信任判斷的整體性，以及 milestones 所能提供的清晰度與可比較性。
第一層：以工作場域評量(workplace-based assessments， WBA)為核心。mini-CEX、Case-based Discussion(CbD)、Direct Observation of Procedural Skills(DOPS)等工具，維持以整體臨床表現為對象的信任判斷。在此層次，EPA 的核心問題仍是「我是否信任你在此情境下獨立執行此項活動」，而非「你是否完成了清單上的若干項目」。Gilchrist 等人於 Perspectives on Medical Education 上的個案研究即指出，實際的 supervisory behavior 經常與書面 entrustment 評分不一致，提示我們必須重視臨床現場的真實判斷，而非僅依賴量表分數。[16]
第二層：milestones 作為事後詮釋工具(post-hoc interpretive tool)，而非事前評分依據。當 CCC 在彙整某位受訓者的綜合表現時，milestones 提供了一套共同語言，讓委員們得以說明「為什麼信任」或「為什麼尚未信任」這位受訓者。在此用法下，milestones 不是評量的起點，而是判斷的詮釋——是用以說明判斷的工具，而非取代判斷的依據。
第三層：將整體性的 entrustment decision 連結至實質的臨床自主權變化。ten Cate 在 2022 年的論文中強調，EPA 之所以區別於一般的 competency assessment，正在於它最終會連結到實質的「醫療責任授予」——也就是 entrustment decision 應導致受訓者在實務上獲得更高程度的自主權。[13] 若 entrustment decision 僅停留在訓練階段晉升的勾選，而從未連結到實質的臨床責任變化，則 EPA 便已經失去其原始意義。
此一三層架構並非否定 milestones 的價值，而是重新定位其在 CBME 系統中的功能。milestones 應該是讓專業判斷被看見、被討論、被詮釋的工具，而非讓專業判斷被取代、被簡化、被官僚化的清單。
台灣自 PGY 制度推動以來，逐步建立了以 mini-CEX、CbD、DOPS 為核心的工作場域評量系統。近年在 TMAC 與衛福部的推動下，EPA 概念也已被納入醫學生畢業核心能力與住院醫師訓練評量之中。然而，在實作層面，我們是否也正在面臨同樣的風險——當醫學中心將 EPA 表單數量、CbD 完成數作為訓練品質的量化指標，當教師被要求在每次評量中逐項勾選 milestone 達成度，我們是否也正在不知不覺中，將 EPA 從「整體信任判斷」轉化為「行政指標累積」?
對台灣醫學教育社群而言，以下三個方向值得思考：第一，評量工具的設計應重新檢視「整體判斷」的空間，確保教師在工作場域評量中，有充分的敘事性回饋與整體性判斷的書寫機會，而不只是勾選量表分數。第二，師資培育應強化臨床教師對「信任判斷」本質的理解，讓教師意識到 EPA 評量並非清單式的能力檢核，而是整合了能力、誠正、可靠性、謙遜與主動性的整體性決定。第三，在制度設計上，應警惕將 EPA 數量本身作為品質指標的傾向——量化指標固然便於行政管理與外部評鑑，但若它取代了真實的判斷對話，我們便已重蹈專家系統失敗的覆轍。
AMEE 近年的論述也朝此方向發展。Brasel 等人於 2023 年針對美國 28 家外科住院醫師訓練計畫的全國性試行研究發現，EPA 的成功實作關鍵不在於評量工具本身的精細度，而在於 CCC 對綜合判斷的真實投入。[17] 換言之，評量工具再細，終究無法取代評量者的判斷品質。
EPA 自 2005 年由 ten Cate 提出至今，已走過二十年。從最初的概念創新，到全球性的制度推動，再到當前面臨的「清單化」風險，這個典範的演進歷史本身就是醫學教育思潮的一面鏡子。它提醒我們:任何教育工具，當被過度形式化、過度量化、過度官僚化時，都可能背離其原始精神。
對於台灣醫學教育界而言，EPA 與 milestones 並非西方輸入的標準答案，而是值得在地深思、批判性吸納、創造性轉化的概念資源。當我們在推動 CBME 的同時，也應該謹記：評量的核心，不是清單的長度，而是判斷的深度；不是分數的精確，而是信任的真實。從這個意義上說，讓 EPA 回歸「信任」、讓 milestones 回歸「支持判斷」，不僅是一個技術性的調整，更是一個關於醫學教育本質的思潮層次選擇。
