张文宏拒绝把AI引入病历系统，同行们“吵”起来了

“在我们医院，我拒绝把AI引入病历系统”，1月10日，国家传染病医学中心（上海）主任张文宏对AI医疗应用的观点引发大量讨论。

年轻医生使用AI，会影响到临床能力提升吗？患者最关心的“AI会犯错”的问题，该怎么办？南都N视频记者采访了多名广东医生和医院信息技术管理人员，了解他们的看法。

有年轻医生直言“用非AI时代的思维来思考AI时代的医学教育，是‘刻舟求剑’“，有资深医生认为“手把手”带教模式才能培养临床思维；有医生用AI后直呼“真香”：的确提升效率、减轻医疗文书负担，但它也确实会犯错、会有BUG……

现实是，人工智能应用已被推广至多种医疗场景进行探索实践。怎样用好人工智能？是医疗界需要面对的新问题。

回顾

张文宏：在我们医院，我拒绝把AI引入病历系统

“在我们医院，我拒绝把AI引入病历系统”，张文宏表示，若将AI引入病历系统，会改变现有的年轻医生培养体系，“现在要从实习医生、住院医生，再到我（这个岗位），它一下进来后，（年轻医生）对疾病的诊断，没有经过系统的训练，马上通过AI得出结论……造成什么问题？（年轻医生）没有经过系统的训练，就不能鉴别AI是对还是错”。

不过，张文宏并不是全盘拒绝AI。他表示，自己也会使用AI，他接触的病人量太大、太复杂，短期内处理大量病例时，他一般会让AI“先看一遍”，“但是我一般看一眼就知道（AI）哪里是错的”，而年轻医生则有可能被误导，他强调，是否会被误导，取决于“你的能力是不是强过这个AI”。

现状

医学影像、专病辅助、文书质控……

人工智能已应用于多种医卫场景

在医院里，人工智能可以做些什么？2024年11月，国家卫健委出台《卫生健康行业人工智能应用场景参考指引》，给出了80多条具体应用场景的建议。

2025年7月，广东省卫健委公布的《广东省“人工智能+医疗卫生”应用场景案例名单（第一批）》展示了应用场景案例289个。据南都N视频记者初步统计，“医学影像智能辅助诊断”是应用案例最多的一个场景，已有73个应用案例，其次，临床专病智能辅助决策（25个案例）、智能门诊分诊（18个案例）、智能病历辅助生成（15个案例）、手术智能辅助规划（13个案例）、智能医疗文书质控辅助（12个案例）、智能健康管理（11个案例）、智能预问诊等场景（10个案例），也是各医院尝试较多的“人工智能+”应用场景。

其中，门诊分诊、智能预问诊、智能健康管理是直接面向患者群体的使用场景；应用最多的医学影像智能辅助诊断主要面向检验检查等医技科室，一线临床医生直接使用最多的是临床专病智能辅助决策、智能病历辅助、手术智能辅助规划、智能医疗文书质控辅助生成等场景。

可以看出，目前临床医生对于AI的应用探索，主要集中在专病领域的辅助诊断，以及病历辅助、文书质控几个领域。

据南都N视频记者了解，专病领域的辅助诊断局限在已开发出专病大模型的少数科室，应用面更广的是病历、文书质控类AI，即，AI辅助医生整理病史、写病历，甚至给医疗文书做“审核”。

医生的直观使用感受怎样？广州一名三甲医院影像科医生表示，他已使用医学影像AI好几年，阅片的效率和准确度大大提升，而去年新引入的医疗文书类辅助AI，他也十分欢迎，“文书处理会更容易，也能避免一些低级错误，比如错别字、把男女搞混之类”。

争议

“传统”派：“手把手”带教才能建立临床思维

对于带教年轻学生，上述医生认为，人工智能也可以发挥作用，“年轻医生以前都是上级医生‘手把手’教为主，现在AI能直接获取最新的诊疗进展、规范和指南，学习知识会更快、更精准”。

一名三甲医院肿瘤科的年轻医生告诉南都N视频记者，面对多次治疗、患病时间长的肿瘤患者时，AI工具可以把整理病史的时间从两三个小时压缩到半小时以内，为过去忙碌于书写病历、整理病史的年轻医生提升工作效率。

AI提升效率，这是毋庸置疑的。但对临床医生来说，在实践、摸索中建立自己的“临床思维”，是年轻医生成长的核心目标。使用AI之后，年轻医生还能扎实地练好临床思维吗？这是“张文宏之忧”涉及的核心问题。

关于这个问题，南都N视频记者在采访中听到了两种不同的观点。

广州一名三甲医院生殖医学中心主任表示，自己这一代医生，是在有经验的老师指导下，结合对日常临床现象的观察、分析、琢磨，建立起自己的思维模式。

她说起一次在血液科的实习经历，带教老师交给实习生们一个疑难血液病的案例，大家集体讨论，然后把儿科、内科和诊断学教材上的关于血液病的内容全部查看一遍、记下，再针对每项检验检查结果进行分析、逻辑推理，最后把诊断范围限定在两个疾病，最终，他们的分析得到带教老师的赞赏，“确实是非常疑难的一种血液病，科里查了一个月才成功诊断”。

她回想，当时，老师前辈们都很严格，“管的十几张床，那么多验单结果，要求把所有异常结果都要一字不漏地汇报出来，否则就要挨批评”。

这样的长期训练下来，她发现自己接诊时“直觉和本能都不一样了”，比如在最近有一次，临时遇到一个反复确认、咨询的病人时，她很迅速地帮她分析了一番，“其实，我只是看了一眼她的资料、病史，就把关键数字记住了，脑子里还千绕百回地思考了一圈！”她认为，这种迅速的思维反应得益于年轻时的严格训练，“AI应该是没办法指导得那么细的”。

争议

“革新”派：非AI时代的思维来思考AI时代的医学教育

是“刻舟求剑”

一名三甲医院的年轻骨干医生对此有不同看法。他说，在AI到来之前，临床思维确实需要靠日积月累的病历书写和上下级查房来逐渐养成，但在AI时代，这个过程完全可以更快捷，“如果一个复杂的病例，AI能够很快速地将其分析清楚，而作为医学生的你，可能只需要一个小时，就可以将原来需要一天、需要从病历书写和上下级查房中学到的知识点全部掌握”。

他认为，医疗进入AI时代，是一个“人机共同提升”的过程，“当机器把所有繁琐的事情迅速搞定，人就可以腾出时间聚焦到别的地方，比如手术操作、临床研究等更加需要创造力的地方”。

这名年轻医生认为，用非AI时代的思维来思考AI时代的医学教育，是“刻舟求剑”，所以，不仅不应阻止AI在医疗中使用，反而应该大力支持，“所有行业已经进入快速迭代的时代，临床医学教育是不是也应该快速迭代？技术的革命或许会摧毁一些事物，但也会衍生出更多新的科学、新的临床成果”。

一名地方医院的主任医师也表示，如果静下心来写一份病历，其实是整理思路、拓展边界、确认问题、处理问题的过程，“这个过程很有意思，不过，高负荷的工作和格式化的内容，让写病历成了严重的负担”。

AI时代，理想的医学教育是怎样的？“急诊夜鹰”王西富在最近一期自媒体视频中谈到，医学教育者“核心任务是点燃好奇心，价值观陪伴，在复杂情境中给出有温度的判断，这份坚定的自我认知，是你（医疗教育者）在所有技术变迁中的核心定力”，他认为，教育者也可以运用AI来减少重复劳动，以腾出更多时间走到学生中，设计更能激发创造力的教学活动。

隐忧

AI会犯错，怎么办？

“谁把关，谁负责”

张文宏提到，AI可能犯错，而年轻医生不具备分辨能力，这是他不赞成年轻医生太过依赖人工智能的主要原因。

在网络上，许多网友对张文宏的观点表示支持，从大量评论中可以看出，网友们的关注焦点也在于对于AI犯错的担忧。

引入医院的人工智能系统，犯错概率到底有多大？在一些专病领域，经过专业训练的人工智能比医生更少犯错。比如，一款由肿瘤专病专家参与研发的“脑转移瘤MR图像辅助检测软件”，可以帮助医生发现毫米级别的转移瘤，“只让医生自己判断的话，5毫米以下的结节可能有60%都会被漏掉”。

实际使用中，医生们也能体会到，目前AI仍有不少短板。比如，由于内部病历系统与外网是隔离的，内网的AI小助手不能够“联网搜索纠错”；AI助手分析模式固化，有时会“忘记”具体要求；即使是较为成熟的影像辅助诊断AI，有时也会把血管扩张误认成肿块、语音输入转文字时产生错误。

广州一家三甲医院信息科主任表示，AI可能犯错确实是一个无法回避的问题，即使院内AI有专用的“外挂大脑”、犯错率低于通用大模型，也无法杜绝错误，但这并不是AI才有的问题，“人也会犯错，即使医生自己查文献，文献也并不是全对的，医生也需要自己甄别”。

他表示，关键在于，使用AI的人要具备甄别能力、对内容进行校验，“AI是一个工具，使用者知识越丰富、能力越强，越能发挥AI的能力，越能辨别正确与否”。

前文所述的年轻医生也表示，在没有AI的时代，医生也会犯错。实际上，年轻医生成长过程中，不管是过去的传统路径，还是有AI参与的学习过程，都需要面对可能犯错的问题。

这名年轻医生表示，目前，AI在医院的使用一定是由人工来把关的，所以，在AI可能犯错这个问题上，应对思路是“谁把关，谁负责”。

采写：南都N视频记者 李文 杨丽云 伍月明 王诗琪