某醫院導入 AI 輔助診斷系統。發生誤判導致醫療爭議時，院方與系統供應商皆無法說明模型的判斷依據。請問此案例最主要反映 AI 黑箱特性在高風險應用中的哪項法律與倫理挑戰？
答案 （D）
核心概念
黑箱特性帶來的最核心法律挑戰是「可問責性（Accountability）」的斷裂。當沒有人能說明模型為什麼做出這個判斷時，就無法釐清錯誤究竟出在訓練資料、模型設計、使用方式還是醫師的採用決定，責任歸屬因此無從認定——受害者求償困難，各方也難以究責與改善。這正是各國 AI 法規要求高風險系統必須具備可解釋性與紀錄留存的原因。
答題技巧
快速判斷技巧：題幹說「無法說明判斷依據」，答案必定與透明性／可解釋性／責任歸屬有關。其他選項講的是準確性、時效性、隱私，全部是不同面向的問題。
易錯陷阱：(A)(B)(C) 都是醫療 AI 真實存在的風險，容易讓人覺得都對。破解方法是回到題幹描述的具體困境——問題不是「診斷不準」，而是「不準之後沒人說得清為什麼」，這是可問責性問題。