张文宏：我拒绝把AI引入医院病历系统，医生需要训练专业诊断能力

在近期的高山论坛上，复旦大学张文宏教授对将AI系统引入医院病历明确持保留态度，认为这会剥夺年轻医生训练专业诊断能力的机会。这一观点在医疗AI应用如火如荼的今天，显得尤为突出，也精准地戳中了许多临床教育者的隐忧：当AI日益渗透医疗核心环节，医生的核心价值与不可替代性究竟在哪里？

AI的“双刃剑”：效率提升与思维惰性

张教授的担忧并非空穴来风。他描述了一个正在发生的场景：年轻医生在书写或分析病历时，如果从一开始就依赖AI系统给出格式化模板甚至初步诊断提示，他们将自然跳过 “信息收集、归纳、鉴别”这一整套至关重要的思维训练。病历书写远非简单的记录，它是医生临床思维的载体和锤炼过程。从患者看似杂乱的叙述中抓住主线，形成清晰的病史脉络，再推导出可能的诊断方向，这个“破案”过程本身，就是医生能力成长的基石。

现实中，AI医疗应用的效率提升有目共睹。全国超过7.5万家基层医疗机构已配备AI辅诊系统，累计提供辅助建议超10亿次。在特定领域，如肺结节影像筛查，AI能在几十秒内完成分析，灵敏度超过90%。然而，硬币的另一面是隐忧。在一些基层医院，面对复杂症状时，AI有时会罗列出一长串可能的疾病，反而增加了筛选难度。更值得警惕的是，已有因过度依赖AI初步判断而延误真实病情的案例发生。这暴露了AI的当前局限——它擅长处理有明确数据支撑的典型情况，但在需要综合经验、人文洞察和复杂逻辑推断的领域，仍难以替代人脑。

坚守的核心：为何人类医生无法被替代

尽管AI进展迅速，但一系列数据和规定清晰地划出了它的能力边界。截至2025年5月，国内已发布近300个医疗大模型，但其多集中于影像识别、数据挖掘等“信息处理”层面。当决策需要融合医学知识、临床经验、患者个体差异乃至社会心理因素时，AI便显得力不从心。因此，国家层面明确禁止AI自动生成处方，相关监管细则也规定“人工智能软件等不得替代医师本人提供诊疗服务”。这些规定从根本上确认，在核心的诊疗责任环节，人类医生是不可替代的最终决策者。

正因如此，面对AI的冲击，守护并传承医生的核心诊断能力，成为医学教育的重点。顶尖医学院校和医院正在系统性强化“临床思维”训练。例如，推行“3C临床推理模型”，引导医学生完整经历“收集信息、提出假设、核实求证”的思维闭环；广泛采用PBL（以问题为导向的学习）教学模式，用真实复杂病例驱动学生主动思考、辩论与求证。这些努力的共识是：医学知识可以查阅，操作技术可以练习，但面对不确定性的决策能力、整合碎片信息的判断力，必须通过主动且重复的思维训练才能内化——这个过程无法被任何算法 shortcut（捷径）取代。

未来之路：迈向有温度的人机协同

争议之中，一条更具建设性的“人机协同”路径正在成为行业共识：目标不是取代，而是赋能。在一些前沿医院，AI的角色被重新定义为医生的“超级外挂”和“安全伙伴”。它可以快速阅读海量文献，总结最新循证方案；可以自动提取病历关键点，生成文书记录初稿，将医生从繁琐事务中解放；还能作为“安全哨兵”，实时核对医嘱，预警潜在风险。

未来的清晰方向，是建立合理的“人机分工”：让AI处理标准化、结构化、高重复性的数据和信息初筛工作；让医生专注于高阶的临床推理、复杂决策、情感沟通和人文关怀。同时，医学教育亟需增设“如何批判性评估与使用AI工具”的课程，培养新一代既懂技术、又坚守专业内核的“智能医生”。

结语

技术的列车无法阻挡。AI在分析海量影像、挖掘流行病学趋势、管理慢病患者等领域，正发挥着不可替代的作用。然而，当一位有多种基础病的老年患者，带着难以言说的焦虑坐在诊室时，能握住他的手、从其眼神与言语细节中捕捉关键信息、做出融合医学技术与人性温情的抉择的，仍然只能是另一位人类。

张文宏的“拒绝”，或许并非拒绝技术本身，而是对一种可能让医学失去其深度与温度的盲目乐观保持警惕。这场讨论的真正价值，在于提醒整个行业：在全力拥抱效率革命的同时，必须更加小心地守护那些让医学成为“仁学”的珍贵内核。