在前日香港举办的高山书院十周年论坛上，国家传染病医学中心（上海）主任张文宏教授明确表示："我拒绝把AI引入医院病历系统。"这一表态引发了医疗界和科技界的广泛讨论。张文宏教授指出，真正的隐患在于，如果一名医生从实习阶段就依赖AI直接得出结论，而没有经过完整的临床思维训练，未来将难以具备鉴别AI诊断正误的能力。他强调，年轻医生必须通过系统性的训练，才能掌握两大关键能力：一是判断AI诊断的准确性，二是诊治AI无法应对的复杂疑难病症。他认为，这是技术便捷背后不可或缺的专业根基。 张文宏教授并非完全否定AI在医疗领域的作用。他以自身使用AI的经验为例，说明他通常让AI先对病例进行初步分析，之后再凭借专业经验快速识别并纠正其中的错误。他表示，自己每天要接触大量、复杂的病例，需要用AI来帮助自己，但自己一眼就能看出来AI哪里是错的。是否会被AI误导，取决于医生的能力是否强过这个AI。 张文宏教授担忧的是，AI引入医院系统后，医生的培训过程将明显改变。原本需要经过实习医生、住院医师，再到高职级医生的完整训练过程，现在一进来，对疾病的诊断没有经过系统训练，通过AI得出，能和高职级医生给出的结论一样。但由于没有经过系统训练，就不能鉴别出AI是对是错。这种能力的缺失，是隐藏在技术便利背后的深层隐患。 值得注意的是，张文宏教授并不是全盘拒绝AI。他表示，AI可以在一些辅助性的工作上发挥作用，比如帮助医生快速查找相关的医学文献、提供一些参考的治疗方案等。他反对的是将AI系统性地引入医院的日常诊疗流程，尤其是病历系统这一诊断决策的核心环节。 张文宏教授的这一观点，与当今许多医院的发展思路和做法不同。2025年初，自DeepSeek诞生后，不少医院将大语言模型引入院内系统，辅助医生调取资料、提炼病历，并给出一定的病情分析、诊断辅助。与通用大模型不同的是，引入医院的大模型进行了更多保证信息安全、保证数据质量的训练和设置。这一表态引发了社交媒体上的激烈讨论。支持者多为医疗从业者，认为这是对医学本质的坚守。一位医生网友表示："诊断是医学的灵魂，AI可以辅助但不能替代医生的思考过程。"反对者则认为这是技术保守主义，认为拒绝技术进步只会阻碍医疗发展。也有中立观点认为，张文宏的担忧有合理性，但不应完全排斥AI，而应探索人机协同的最佳模式有评论指出，张文宏教授的表态并非"反潮流"，而是以过来人的经历和思考，表达自己对AI技术使用边界的清醒认知。医者的从业历练，是漫长艰辛的打怪升级过程，这个省不了的冷板凳、苦功夫，没有近路可抄。如果一名医生从实习阶段就未经完整诊断思维训练，直接借助AI获得结论，这种"病例本天成，AI偶得之"的"拿来主义"，会钝化其日常诊疗敏感度。 当前AI在医疗领域的应用主要集中在影像识别、病理分析和药物研发等辅助环节。许多医院已经部署了AI辅助诊断系统，特别是在放射科和检验科。但这些应用大多作为医生的"第二双眼睛"，最终的诊断权仍然掌握在医生手中。这与张文宏担心的"系统性引入日常诊疗流程"存在本质区别。这一争议也反映了AI时代医学教育面临的挑战。有观点认为，AI引入病历系统后，医学教育必须改革，适配AI发展已是大势所趋。当下的医学教育需10年才能培养一名医学博士，大量时间消耗在病历书写、文献检索等基础工作上，而AI能一键完成病历初稿、秒级检索医学文献，将医生从繁琐事务中解放，把精力投向临床决策、疑难病例攻坚等核心能力培养。若固守旧模式，不仅会浪费人才潜力，更会让医疗行业错失技术赋能的机遇。张文宏教授的表态提醒我们，在AI技术飞速发展的今天，医疗行业更需要保持清醒：技术是服务于人的工具，而非取代人的主角。病历系统的核心，永远是医生的专业判断与临床经验；医疗的核心，永远是医者的仁心与能力。唯有守住这一底线，让AI在合理的边界内发挥作用，才能让技术真正造福患者，让医疗行业行稳致远。 这一讨论的核心在于，如何在拥抱技术进步的同时，守住医学教育的根本，确保医生具备独立诊断能力和临床思维，而不是沦为AI的操作员。这需要医疗界、科技界和教育界共同探索人机协同的最佳模式，在效率与安全之间找到平衡。 来源：中国新闻网
