“越老越吃香”的医学专业，也要被AI替代了？

看到过一个案例，AI通过分析病人的心电图，判断出病人可能有早期癌症，最终通过CT诊断，还是真是。
AI能通过大数据分析，病人的一点点症状，就能判断出具体病灶在哪里，而这个能力，只有老医生才具备。
有了AI后，就相当于拥有了无数个老医生，对患者来说，是天大的好事。

过去，家里有个当医生的，是件特别有面子的事。

不仅社会地位高，而且越老越值钱。

大家默认一个规律：医生这行，熬年头就是资本，白发苍苍的老专家往那一坐，患者心里就踏实了。

但最近几年，风向好像有点变了。

AI开始读片、写病历，甚至参与治疗方案设计。一个尖锐的问题被摆上了台面：如果机器能干这些活，年轻人还值得花十年时间去学医吗？

更让人意外的是，2020年一场全国性的眼科人机大战中，AI的准确率超越了现场96%的资深医生。

然而四年后，当AI的对手换成37名经过特殊训练的医学生时，学生们赢了。

这个结果意味深长。

它说明AI没有把医生推出诊室，但它彻底改变了“好医生”的定义和抵达诊室的路径。

一、AI成了医生的“侦察兵”，而不是“指挥官”

先说AI到底在干什么。

在急诊室里，情况往往很复杂。

比如一个胸痛病人来了，症状模棱两可。

为了排除凶险的主动脉夹层，过去医生要凭经验判断是否要做昂贵的增强CT，万一漏诊，后果不堪设想，这非常依赖医生的经验。

现在，像浙大一院就在用AI模型iAorta。

病人做完平扫CT，AI会先扫一遍片子，如果发现可疑信号，它就在医生工作界面弹窗提示，并把可疑区域标出来。

医生再带着疑问去复核片子，判断AI的提示靠不靠谱。

浙大一院与阿里达摩院团队研发了AI 医疗模型 iAorta，面向的是胸痛急诊里的平扫CT，这能帮助医生更早发现风险

在这个场景里，AI的角色像是个不知疲倦的“侦察兵”，它负责在繁杂的影像信息里先筛一遍，而医生依然是那个拍板的“指挥官”。

尤其是面对急诊一线经验尚浅的年轻医生，AI相当于提前给了一个“风险预警”，避免他们因为经验不足而付出惨痛代价。

二、医学院的“硬仗”：教学生质疑AI，而不是依赖AI

当AI能够快速给出答案时，医学教育陷入了困境。

医学生如果轻易拿到答案，没有消化基础知识，将来如何判断AI提供的信息是否可靠？

上海交大医学院的陈教授想了个“笨办法”。

她允许学生用AI做拓展作业，但必须提交“修改痕迹”。

学生要解释AI哪里答错了、为什么错、自己又找了什么文献来纠正。

这种训练方式，把学生和AI协作的思维过程完全可视化，逼着学生去消化知识、去批判性地看待AI的答案，而不是无脑照搬。

教授沈静（中）正在和学生讨论AI提供的信息。人机协同时代，医生的一项关键能力是质疑、辨别和矫正AI的答案

浙江大学医学院更是直接建了一个“启真智医”AI助学平台。

里面有个功能叫“自适应习题训练”，学生答错题，系统不会直接给正确答案，而是像个老教授一样反问：你漏掉了哪个关键信息？要不要换个角度判断？

这种被称为“苏格拉底式提问”的训练，核心目的只有一个：在AI时代，学生获取答案太快了，所以必须强制他们慢下来，把思考过程补齐。

医学生不能只做一个会选A、B、C、D的答题机器，必须成为一个能从零开始诊断病情的医生。

浙江大学医学院的学生，在课堂上通过启真智医平台进行AI互动学习

三、人机对战：为什么训练过的学生能赢AI？

这就是开头那场人机对战翻转的奥秘。第一次比赛，AI经验丰富，赢了人类。

随后四年，浙大邵逸夫医院的眼科医生做了一件事：他们用AI模型去训练学生。

学生先看AI生成的典型病理图像，图像会把病毒性角膜炎的特征强化显示，降低学生的认知门槛。

然后AI模拟病情演变过程，让学生看到一整个病程的动态变化。

最后进入人机协同训练，AI给出诊断和依据，学生要做的是去讨论、去辨别AI的结论对不对。

第二次比赛，换了一套新病例。

学生赢了。

这个结果极其关键。

因为AI擅长的是“模式匹配”，碰到和训练数据类似的图像，它判断极准，但换了新图就可能波动。

而学生在训练中学到的不是死板的图像特征，而是比较病灶边缘、浸润方式的能力，也就是“泛化学习能力”。

这意味着，AI的能力边界是“见过”，而人类医生的天赋是“举一反三”。

2022年7月，武汉一场胃早癌识别人机大赛上，30多位消化内镜医生与AI“内镜精灵”同台竞技。相较AI，人类医生的独特优势在于其强大的泛化学习能力

四、AI永远替代不了的东西：诊室里的温度和沉默

如果说逻辑推理和知识储备能被AI追赶，那诊室里那些无法被量化的东西，就是医生最后的、也是最坚固的护城河。

天津大学医学院有个特殊的“虚拟遗传咨询”课程。

学生们面对的不是真实病人，而是AI模拟的两个极度焦虑的访客——一个担心自己遗传了父亲的绝症，一个害怕再生下患病的孩子。

学生的任务是通过对话，获取信息、给出解释、提供安慰。

结果，很多学生最初态度极好，但在AI模拟的患者反复追问“我到底该怎么办”时，部分人开始焦躁，甚至说出了“你去做检查，不然我怎么知道？”这种话。

极少数的回答甚至触碰了医生不该触碰的边界：“孩子有问题，打了吧。”

这种面对面的沟通能力，被称为“人文素养”。它太难教了。

真实的诊室远比AI模拟的残酷：可能挤满了七八个家属，老大坚持砸锅卖铁治，老二沉默不语只拿出了五万块。

医生要劝进，也要劝退，要平衡医学的希望和现实的无奈，要安抚每一个人的情绪。

AI算得出存活率，但算不出那张桌子旁无声的眼泪和沉默。

在充满不确定性的遗传咨询室里，AI给不了来访者“有人陪着我一起面对”的踏实感。

患者要的不是一张冷冰冰的化验单，而是一个能握住他的手、告诉他“我们一起想办法”的活生生的人。

回到最初的问题：医生会被替代吗？

答案是不会，但“好医生”的标准变了。

未来的医生，不仅要会看病，还要会驾驭AI这个强大的工具。

他要有扎实的功底去质疑AI的结论，要有敏锐的洞察力去发现AI的盲区，更要有温度和共情力，去承载那些机器永远无法理解的人类情感。

所以说，医生这个专业依然“越老越吃香”，只不过吃的“香”，不再是单纯靠年头攒下的经验，而是那种融会贯通后的判断力、跨学科的协作力、以及对人性深刻的洞察力。

这些东西，AI偷不走，也卷不来。