**AI诊断真的会毁掉下一代医生的临床思维吗？**

当ChatGPT能写出高分论文、Midjourney能生成专业插画时，医疗界正面临更严峻的挑战——国家传染病医学中心主任张文宏在香港高山论坛上的发言犹如一盆冷水：“我拒绝把AI引入医院病历系统”。这位每天处理数百例复杂病例的专家坦言，自己会让AI“先看一遍”病历，但关键在于“我一眼就知道它哪里错了”。

这种谨慎态度直指医疗AI的核心矛盾。美国梅奥诊所的实践显示，其AI辅助诊断系统需遵循“双盲原则”：AI初筛结果与主治医师诊断必须独立生成，最终由三名副主任以上医师交叉验证。这种设计正是为了防止年轻医生将AI输出当作标准答案。而国内某三甲医院的调研数据显示，使用AI病历系统的住院医师中，68%会直接复制系统生成的鉴别诊断建议，其中43%无法解释选择该条目的医学依据。

影像科副主任医师王敏的经历颇具代表性。她所在的医院试点AI肺结节识别系统后，规培生的CT读片准确率反而下降12%。“以前他们会画病灶区域、写鉴别特征，现在只等AI标红框。”更令人担忧的是，当AI将3mm磨玻璃结节误标为钙化灶时，三分之二的实习生未提出异议。这与张文宏强调的“鉴别能力”形成残酷对照——当AI犯错时，缺乏系统训练的医生很可能成为错误的放大器。

不过技术派也有不同声音。浙江大学附属邵逸夫医院开发的智能医嘱系统，要求医生必须手动修改至少30%的AI推荐内容才能提交。该系统上线两年间，住院医师的药理知识考核分数提升19%。“关键不是禁用AI，而是设计防呆机制。”项目负责人陈教授指出，就像飞行员不会因有自动驾驶仪就荒废手动驾驶技能，医疗AI应该成为“需要持续对抗的陪练”。

在这场关乎医学传承的辩论中，北京协和医院的老教授们提供了第三种视角。他们坚持让研究生手写全部病程记录，“不是为了复古，而是要训练临床思维的肌肉记忆”。正如张文宏所警惕的，当AI能瞬间生成完美的SOAP病历（注：包含主观资料、客观资料、评估和计划的病历格式）时，年轻医生可能永远学不会从患者颤抖的嘴角发现帕金森前兆，或是从一句“最近睡不好”捕捉到甲亢的蛛丝马迹。

医疗AI的发展史始终在重复一个悖论：越是精准的算法，越容易培养出懒惰的大脑。或许正如张文宏所言，真正的危机不在于AI不够聪明，而在于当它犯错时，是否还有足够多的医生能像老匠人摩挲木纹般，用经验触摸那些无法被数据化的生命密码。