梅斯醫學創始人張發寶：AI能替代醫生，還是AI不能替代醫生？

這幾年，關于 AI 和醫生的討論，越來越熱，也越來越容易走向兩個極端。

一種說法是：AI會替代醫生。另一種說法是：AI永遠不可能替代醫生。

昨天，“全腎AI”發了一篇醫療AI的文章，我給了鏈接，有興趣的可以去看看：《。這篇文章里，對醫學決策四層結構的概括，我認為是有啟發的。它把醫學決策分成知識、推理、判斷、執行四層。尤其提醒了大家：醫療不只是“答對題”，更關鍵的是在不確定中做判斷，以及讓方案真正落地執行。這兩點我都贊同。但是，我也有一些不同的思考，與大家分享。

1.爭論“替代不替代”，其實已經有點問偏了

如果把時間拉長一點看，醫學從來就不是靠某一種能力單獨往前走的。

過去，醫生更多依賴“視、觸、叩、聽”。一雙眼、一雙手、一只聽診器，再加上大量經驗，就是臨床能力的主體。

但后來呢？

CT 來了，MR 來了，超聲來了，病理來了，實驗室檢查越來越精細了。很多原來必須靠經驗去猜、靠體征去摸、靠聽診去分辨的東西，開始被設備直接“看見”、被指標直接“量化”。

從某種意義上說，醫生原有的一部分能力，確實被替代了。至少，是被部分取代了。

今天的醫生，如果單比傳統“視觸叩聽”的基本功，很多人未必強得過幾十年前那些真正靠臨床功夫打天下的老醫生。這幾乎是一個常識性的事實。現代檢測設備越發達，醫生在某些基礎手藝上的依賴就越少，這會帶來能力結構的改變。

但問題在于，我們不能因為這些能力下降了，就說 CT 不該用、MR 不該用、實驗室檢查不該用。恰恰相反。不是設備讓醫生變弱了，而是會使用設備的醫生，整體能力變強了。

AI 也是一樣。AI 的到來，不是來“消滅醫生”這個職業的，而是來重新定義一個醫生的完整能力邊界。未來評價一個醫生，不能只看這個醫生“本人”的裸能力。更準確地說，未來真正有意義的評價方式，應該是：醫生本人的能力+醫生駕馭AI的能力。這兩者加在一起，才是一個完整醫生的真實能力。

2.真正的分野，不是“醫生和AI”，而是“古法醫生和AI醫生”

我越來越覺得，未來醫生群體真正的分化，不是“醫生”和“AI”之間的分化，而是兩類醫生之間的分化：

古法醫生，和AI醫生。

所謂古法醫生，不是罵人，也不是否定傳統臨床價值。我的意思是，那些仍然主要依賴舊有知識獲取方式、舊有診療路徑、舊有工作流的醫生。他們可能經驗豐富，也可能非常認真，但他們的能力結構，本質上仍然是“前 AI 時代”的。

而 AI 醫生，則是另一種新型醫生。他們不是迷信 AI，也不是把 AI 當聊天玩具，而是把 AI 真正納入自己的臨床思維、證據檢索、科研寫作、患者管理與持續學習系統之中。

他們不是少思考，而是更會思考。他們不是被 AI 帶著走，而是把 AI 變成自己的認知延伸。

有些人會覺得，這種說法是不是太激進了。其實一點也不。

看看編程行業就知道了。2025 年的時候，還有很多人不相信 AI 編程會快速改變行業；但很快，在2026年4月這個時點，整個行業就形成了共識：不會用 AI 的程序員，效率和產出開始明顯落后。所謂“古法編程”，在很多場景里已經接近一個玩笑。

醫學不會一模一樣，但大方向不會例外。不是因為醫生這個職業會消失，而是因為不會使用新工具的人，會被會使用新工具的人甩開。

3.當然，不是所有醫生，都應該同樣地用AI

這也是今天討論 AI 醫療時最容易被忽略的地方：并不是所有醫生，在任何階段，都適合以同樣方式使用 AI。

我很認同張文宏老師最近表達的一種謹慎態度。他并不否定 AI 在醫療中的輔助價值，但明確擔心：如果醫生從實習階段就依賴 AI 直接給出結論，而沒有經過完整的臨床思維訓練，未來就可能喪失兩個關鍵能力：一是判斷 AI 對不對，二是處理 AI 處理不了的復雜疑難問題。換句話說，年輕醫生可以用 AI 查文獻、輔助學習，但不能在臨床思維尚未建立時，把 AI 當成“直接答案機”。

這個擔憂，我認為是真實存在的且必需重視的，也就是如何合理應用AI，讓AI輔助學習，而不是AI代替人類進行決策。

對于高年資醫生而言，AI 是加速器，是放大器，是認知外接設備。因為他們本身已經有相對完整的臨床框架，知道哪里該信，哪里該疑，哪里該停一下，哪里必須自己拍板。

但對于年輕醫生而言，風險就不一樣了。因為年輕醫生最重要的任務，不只是“知道答案”，而是建立完整的臨床思維鏈條。如果這個階段過早、過重依賴 AI，確實可能出現一種現象：答案拿得越來越快，但思考能力長得越來越慢。

這不是杞人憂天。在消化內鏡領域，已經有研究開始提示這種“去技能化”風險。2025 年發表的一項研究指出，持續暴露于 AI 輔助結腸鏡環境后，醫生在后續進行非 AI 輔助結腸鏡時，腺瘤檢出率可能下降，提示 AI 的長期使用可能對操作者行為和原始能力維持產生負面影響。

當然，這并不意味著 AI 不該用。正如指南和綜述同時指出，AI 輔助結腸鏡在提高病變檢出方面總體是有幫助的，臨床價值明確。

但它提醒了我們一個很重要的現實：任何強大的工具，在增強能力的同時，也可能重塑能力。

所以問題從來不是“用不用 AI”，而是：

• 誰來用

• 在什么階段用

• 用到什么深度

• 有沒有機制防止依賴

• 能不能做到“用 AI，但不被 AI 廢掉”

這才是嚴肅醫療 AI 必須面對的幾個關鍵的問題。

4.所以，AI和醫生之間最好的關系，不是替代，而是Harness

我一直覺得，AI 與醫生之間最理想的關系，不是“誰替代誰”，而是當前最時髦一個詞：Harness，即駕馭。這個詞比“使用”更準確。它不是簡單使用，而是駕馭、控制、引導、釋放AI的力量。

醫生和 AI 的關系，不應該是醫生被 AI 指揮，也不應該是 AI 成為醫生頭頂上的“標準答案裁判”。

真正好的關系應該是：醫生駕馭AI，讓AI成為自己頭腦和知識的衍生。

AI 可以幫醫生更快地調取證據，更快地梳理指南， 更快地比較方案，更快地識別風險點，更快地完成知識更新，更快地連接診療與長期管理……但最終，誰來決策和判斷？還是人！醫生。

誰來理解這個病人不是“一個標準病例”，而是一個有經濟條件、家庭環境、依從性差異、心理負擔和多病共存現實的人？還是醫生。

所以，AI 在醫療里最好的位置，從來不是“取代臨床判斷”，而是增強臨床判斷的形成過程。

5.DeepEvidence的初心：不是喂答案，而是陪醫生變強

DeepEvidence AI，梅斯醫學推出這款AI，表面上看與其它的AI沒有什么區別，實際上，從底層算法就開始，不是為了給醫生一個冷冰冰的“標準答案”。

因為我們深知：醫學不是題庫。臨床也不是把指南復制粘貼出來就結束了。真正的臨床問題，往往都帶著很多復雜限制條件：

• 特殊人群怎么辦

• 妊娠、哺乳、兒科、老年怎么辦

• 肝腎功能異常怎么辦

• 合并多種藥物怎么辦

• 證據沖突怎么辦

• 指南與現實資源不一致怎么辦

• 患者不愿意、不理解、不配合怎么辦

如果一個 AI 只是很流暢地給出一個“看起來像對的答案”，那其實并不夠。

DeepEvidence 更想做的，是讓醫生在與 AI 的互動中變得更強。不只是給答案，還給證據路徑；不只是給結論，還提示邊界條件; 不只是給方案，還會反問關鍵限制；不只是幫助查詢，還幫助形成思考。

僅這些還不夠，我們還在思考如何讓醫生Harness DeepEvidence。這件事非常重要。

因為未來醫學 AI 的高下，不僅取決于誰“答得更像”，更取決于誰更能幫助醫生保持主動性、保持判斷力、保持清醒。

DeepEvidence 想堅持的，正是這種方向：讓AI進入臨床，但不讓醫生失去臨床。

6.醫生與AI的關系

有一種觀點把 AI 和醫生看成靜態分工：AI 負責知識和部分推理，醫生負責判斷和執行。

現實正在變得沒那么簡單。因為 AI 不只是一個“答題工具”，它正在改變判斷是如何形成的。它會改變信息組織方式，改變醫生接觸證據的速度，改變方案比較的深度，也改變長期管理的連接方式。所以今天更準確的說法不是“AI 與醫生分工”，而是：AI正在重塑醫生能力的結構。

我平時也一直在研究AI的答案，甚至認為AI最有價值的地方不是給“答案”，而是AI的思考邏輯，為什么給出這樣的答案？這更值得我們醫生思考和學習。

至于AI能不能代替醫生的說法，我認為不如說：AI不會完整替代醫生這個角色，但會持續替代舊的醫生能力結構，并重新定義什么叫一個好醫生。

不是“AI 替代醫生”或者“AI 完全替代不了醫生”，而是：AI會替代那些不會用AI的醫生；而會駕馭AI的醫生，不僅不會被替代，反而會被增強。

7.真正危險的，不是AI太強，而是醫生變成了“人工接口”

今天很多人討論 AI 醫療，擔心的是機器太強或太弱。但我覺得，更大的風險其實是另一件事：醫生自己放棄了成長，最后只剩下轉述、點擊、確認，變成AI和病人之間的人工接口。

這是最危險的。如果未來的醫療 AI 只是不斷給出“標準答案”，醫生只負責簽字；如果年輕醫生越來越少獨立思考，越來越少自己去走完整的診斷鏈條；如果臨床現場最后只剩下流程，而沒有判斷；那醫生當然會被邊緣化，或淪為法律責任的承擔人。

但這不是因為 AI 天生如此，而是因為我們把 AI 用錯了。

所以，我們不能一邊說擁抱 AI，一邊把醫生訓練成“不會思考的高學歷操作員”。真正好的 AI，應該讓醫生更像醫生，而不是更不像醫生。

8.未來，完整醫生的能力=醫生本體能力+駕馭AI的能力

這是我越來越堅定的一個判斷。未來評價一個醫生，不能只看他自己背了多少指南、記了多少知識點、寫病歷有多快、答題有多準。

真正完整的醫生能力，應該包括兩部分：

第一部分，是醫生本體能力。包括臨床思維、基本功、判斷力、經驗、責任心、溝通能力、人文關懷。

第二部分，是醫生駕馭AI的能力。包括提問能力、識別邊界的能力、核查 AI 的能力、整合證據的能力、把 AI 真正嵌入工作流而不是被其牽著走的能力。

這兩部分加起來，才是未來一個完整醫生的真實能力。

所以，未來真正落后的，不一定是知識少的人。而更可能是那些：

• 既沒有形成強臨床思維

• 又不會使用 AI

• 或者雖然使用 AI，卻已經失去獨立判斷力的人

而真正強的醫生，會是另外一類：他們既有醫生的底子，又有駕馭AI的能力。這才是下一代醫生的核心競爭力。

9.AI無處不在，但我們不是唯AI論

下周，大家就會看到全新的 DeepEvidence。接下來一個月，我們也會連續推出一系列重要功能。但我特別想強調的是：我們不是唯AI論。

AI 會越來越多地進入醫生的工作流，這是必然趨勢。它會進入檢索、問答、病例分析、患者管理、科研支持、知識更新，幾乎無處不在。

但 DeepEvidence 不希望做成一種“讓醫生越來越依賴、越來越不思考”的產品。我們更希望它成為一種訓練器、一種放大器、一種協作系統。

不是讓醫生離不開 AI，而是讓醫生在使用 AI 的過程中，逐漸學會如何 Harness AI。不是讓 AI 成為醫生的替身，而是讓 AI 成為醫生能力的延長線。

這才是我們DeepEvidence真正的方向和目標。

10.AI不會終結醫生，但會終結舊的醫生工作方式

回到最開始的問題：

AI 能替代醫生或是不能替代醫生？

我想，現在可以給一個當前更準確的3個猜測：

AI不會簡單替代醫生，但會替代醫生舊的工作方式。

AI不會讓所有醫生失業，但會讓一部分不愿改變的醫生迅速掉隊。

AI也不會自動讓醫生變強，但會極大增強那些真正會駕馭它的醫生。

所以，未來真正重要的問題不是：“AI 會不會替代我？”而是：“我是不是已經準備好，成為一個能駕馭AI的醫生？”

這，才是問題的核心。這也是我們 DeepEvidence 想做的，就是陪醫生一起向前努力的方向。

作者 | 張發寶

編輯 | 目兮

版權說明：梅斯醫學（MedSci）是國內領先的醫學科研與學術服務平臺，致力于醫療質量的改進，為臨床實踐提供智慧、精準的決策支持，讓醫生與患者受益。歡迎個人轉發至朋友圈，謝絕媒體或機構未經授權以任何形式轉載至其他平臺。