張文宏：我拒絕把AI引入醫院病歷系統，醫生需要訓練專業診斷能力

在近期的高山論壇上，復旦大學張文宏教授對將AI系統引入醫院病歷明確持保留態度，認為這會剝奪年輕醫生訓練專業診斷能力的機會。這一觀點在醫療AI應用如火如荼的今天，顯得尤為突出，也精準地戳中了許多臨床教育者的隱憂：當AI日益滲透醫療核心環節，醫生的核心價值與不可替代性究竟在哪里？

AI的“雙刃劍”：效率提升與思維惰性

張教授的擔憂并非空穴來風。他描述了一個正在發生的場景：年輕醫生在書寫或分析病歷時，如果從一開始就依賴AI系統給出格式化模板甚至初步診斷提示，他們將自然跳過 “信息收集、歸納、鑒別”這一整套至關重要的思維訓練。病歷書寫遠非簡單的記錄，它是醫生臨床思維的載體和錘煉過程。從患者看似雜亂的敘述中抓住主線，形成清晰的病史脈絡，再推導出可能的診斷方向，這個“破案”過程本身，就是醫生能力成長的基石。

現實中，AI醫療應用的效率提升有目共睹。全國超過7.5萬家基層醫療機構已配備AI輔診系統，累計提供輔助建議超10億次。在特定領域，如肺結節影像篩查，AI能在幾十秒內完成分析，靈敏度超過90%。然而，硬幣的另一面是隱憂。在一些基層醫院，面對復雜癥狀時，AI有時會羅列出一長串可能的疾病，反而增加了篩選難度。更值得警惕的是，已有因過度依賴AI初步判斷而延誤真實病情的案例發生。這暴露了AI的當前局限——它擅長處理有明確數據支撐的典型情況，但在需要綜合經驗、人文洞察和復雜邏輯推斷的領域，仍難以替代人腦。

堅守的核心：為何人類醫生無法被替代

盡管AI進展迅速，但一系列數據和規定清晰地劃出了它的能力邊界。截至2025年5月，國內已發布近300個醫療大模型，但其多集中于影像識別、數據挖掘等“信息處理”層面。當決策需要融合醫學知識、臨床經驗、患者個體差異乃至社會心理因素時，AI便顯得力不從心。因此，國家層面明確禁止AI自動生成處方，相關監管細則也規定“人工智能軟件等不得替代醫師本人提供診療服務”。這些規定從根本上確認，在核心的診療責任環節，人類醫生是不可替代的最終決策者。

正因如此，面對AI的沖擊，守護并傳承醫生的核心診斷能力，成為醫學教育的重點。頂尖醫學院校和醫院正在系統性強化“臨床思維”訓練。例如，推行“3C臨床推理模型”，引導醫學生完整經歷“收集信息、提出假設、核實求證”的思維閉環；廣泛采用PBL（以問題為導向的學習）教學模式，用真實復雜病例驅動學生主動思考、辯論與求證。這些努力的共識是：醫學知識可以查閱，操作技術可以練習，但面對不確定性的決策能力、整合碎片信息的判斷力，必須通過主動且重復的思維訓練才能內化——這個過程無法被任何算法 shortcut（捷徑）取代。

未來之路：邁向有溫度的人機協同

爭議之中，一條更具建設性的“人機協同”路徑正在成為行業共識：目標不是取代，而是賦能。在一些前沿醫院，AI的角色被重新定義為醫生的“超級外掛”和“安全伙伴”。它可以快速閱讀海量文獻，總結最新循證方案；可以自動提取病歷關鍵點，生成文書記錄初稿，將醫生從繁瑣事務中解放；還能作為“安全哨兵”，實時核對醫囑，預警潛在風險。

未來的清晰方向，是建立合理的“人機分工”：讓AI處理標準化、結構化、高重復性的數據和信息初篩工作；讓醫生專注于高階的臨床推理、復雜決策、情感溝通和人文關懷。同時，醫學教育亟需增設“如何批判性評估與使用AI工具”的課程，培養新一代既懂技術、又堅守專業內核的“智能醫生”。

結語

技術的列車無法阻擋。AI在分析海量影像、挖掘流行病學趨勢、管理慢病患者等領域，正發揮著不可替代的作用。然而，當一位有多種基礎病的老年患者，帶著難以言說的焦慮坐在診室時，能握住他的手、從其眼神與言語細節中捕捉關鍵信息、做出融合醫學技術與人性溫情的抉擇的，仍然只能是另一位人類。

張文宏的“拒絕”，或許并非拒絕技術本身，而是對一種可能讓醫學失去其深度與溫度的盲目樂觀保持警惕。這場討論的真正價值，在于提醒整個行業：在全力擁抱效率革命的同時，必須更加小心地守護那些讓醫學成為“仁學”的珍貴內核。