2026年初,马斯克预言“外科医生将全体失业”的余音未散去,一场更贴近现实的争论已在中国医疗界掀起波澜。华山医院感染科主任
不可阻挡的潮流:AI已成医疗“新基建”
无论我们拥抱还是拒绝,AI应用正以星火燎原之势席卷而来,成为医疗体系的一部分。浙江大学医学院附属第一医院病理科里,名为OmniPath的AI助手能在3秒内锁定病灶,准确率达95%,它将传统病理诊断时间从十几分钟缩短至1分钟内,这种效率革命正在全国多家顶级医院上演。北京儿童医院推出了全国首个“专家型AI儿科医生”,它已正式参与临床多学科会诊,与300多位顶级专家共同制定复杂病例的诊疗方案。行业数据显示,国内排名前100的医院中,98%已部署AI大模型。从病理切片到影像解读,从辅助诊断到治疗方案生成,AI已深度融入医疗工作流,成为医院运行的“智能心脏”。
技术从不问你是否准备就绪,它只按自己的节奏前进。
空心化危机:当医学根基遭遇AI降维打击
传统医学教育建立在四大支柱上:扎实的医学知识储备、敏锐的影像识读能力、严谨的临床思维和娴熟的临床操作技能。AI的到来,使前三根支柱摇摇欲坠。年轻医生开始疑惑:既然AI能快速完成诊断,为何还要苦背医学典籍、苦练问诊技巧、苦修影像判读?如同有了导航软件后,谁还会刻意记忆城市道路?张文宏的担心并非杞人忧天。《柳叶刀》2025年的一项研究表明:长期依赖AI辅助的结肠镜医生,独立检测息肉的能力下降了20%。研究者称此为“地图效应”——如同依赖GPS的司机逐渐丧失方向感,医生也在AI的“绿框提示”中忽略了本应关注的区域。更隐蔽的危机在于形成“路径依赖”后临床推理能力的退化。传统的临床诊断是从症状出发,通过问诊、查体、辅助检查,像侦探一样层层推进。而AI驱动的现代诊断往往反向进行:输入检查结果,输出诊断建议。这种“逆向诊断”虽然高效,却跳过了临床推理中最关键的环节——症状与体征的关联分析。
便利的代价,往往是某种能力的悄然退场。
认知陷阱:当医学生成为算法的“提线木偶”
支持者描绘的理想愿景是AI作为医生的“增强工具”,但现实往往更加复杂。王小川提出医生应从“挑错者”转向“评价者”,这一转变的前提是评价者必须比被评价者更
我们创造了工具,工具反过来重塑我们——有时以我们未曾预料的方式。
能力重塑:AI时代医学生教育如何破局
面对AI的挑战,医学教育必须开启一场深刻的自我革命。共识正在形成:AI时代,医学基本功不是不重要了,而是比以往任何时候都更加重要。未来的医学生培养应遵循三阶段路径:
第一阶段:无AI的“原始训练”
在解剖、病理、诊断学等核心课程中,严格禁止AI辅助,强化手眼协调与逻辑推理的基础训练。如同飞行员必须先掌握手动飞行,医生必须建立无AI依赖的诊疗能力。最基础的训练,往往孕育最高阶的智慧。
第二阶段:对比中的“批判养成”
临床教学中,学生先独立分析病例,再与AI建议对比。重点不是寻找标准答案,而是剖析思维差异的根源。教师应设计“对抗性AI训练”——提供部分错误建议,训练学生的纠错能力。
第三阶段:整合中的“驾驭艺术”
住院医师阶段,学习在真实临床中安全整合AI工具,重点训练在AI出现“幻觉”或遇到未知病例时的紧急接管能力。这需要医生建立双重能力:善用AI的“增强智能”与保持独立的“核心智能”。
真正的高手,既懂得何时依靠工具,更明白何时依靠自己。
写在最后:在算法时代守护医者之心
医学发展史上,每次技术革命都会引发“医生角色”的焦虑。从听诊器到CT,从开放手术到腔镜技术,历史给出的答案是:技术不会取代医生,而是重新定义医生。当患者症状不符合任何已知模式,当检查结果相互矛盾,当治疗方案出现意外
技术进步的最大风险,不是机器变得太像人,而是人变得太像机器。
张文宏担忧思维固化,王小川强调患者利益,这场看似对立的争论实则指向同一目标:如何在技术浪潮中守护医学的核心价值?这种价值不仅仅是准确诊断,更是基于专业知识的判断力、面对复杂情况的应变力,以及对生命的深切关怀。在效率与深度的永恒
来源:“温柔医刀”微信公众号,作者:春哥
原标题:《AI潮流势不可挡,医学空心化危机前所未有,医生成长路在何方?》