张文宏质疑AI医疗应用对医师培养影响 引发行业深度思考

围绕医院病历系统是否应引入智能工具,医疗界与社会舆论近期再度升温。

在1月10日举行的高山书院十周年论坛上,张文宏提出,在其所在医院“拒绝把智能工具引入病历系统”,并指出此举可能对年轻医生培养产生不利影响。

相关表述引发关注,也折射出医疗数字化加速背景下,技术应用边界与人才培养机制之间的现实张力。

一、问题:效率提升与能力养成如何兼顾 病历系统既是临床诊疗流程的核心载体,也是医生训练的“主战场”。

随着大模型等技术快速发展,部分医院探索将其接入院内系统,用于资料检索、病历整理、要点提炼,甚至生成初步病情分析建议。

技术带来效率红利的同时,也引出关键问题:当系统能够“给出结论”,年轻医生是否会减少必要的病史采集、体格检查、鉴别诊断与循证推理训练?

当建议出现偏差,谁来发现并纠正?

二、原因:临床诊疗的复杂性与“可解释”短板并存 张文宏的担忧指向临床工作的一项基本事实:疾病诊断并非单纯的信息匹配,而是建立在病史、检查、检验、影像、流行病学背景与治疗反应等多维证据链上的综合判断。

对年轻医生而言,规范化培训的重要环节,是在真实病例中形成诊疗思维框架,学会提出问题、验证假设、排除干扰因素,并对“不确定性”保持警惕。

而智能工具在文本生成、模式识别方面具有优势,但在医疗场景中仍可能出现“看似合理但实际不符”的输出,尤其在信息不完整、病情非典型或多病共存时,偏差风险更易放大。

若年轻医生在训练尚未成型阶段过度依赖系统建议,容易形成“结果导向”的路径依赖,弱化对证据质量的审视与对差错的敏感度。

张文宏提到,他在高强度复杂病例处理中会让工具“先看一遍”,但自己能够迅速识别错误;而年轻医生若缺少系统训练,可能难以判断建议可靠性,这一差异正是风险所在。

三、影响:既关乎诊疗安全,也牵动人才梯队与管理责任 从短期看,接入病历系统的智能工具能够减少重复劳动、缓解文书压力、提升信息调取效率,有助于改善临床工作体验。

但若缺乏边界设计和监督机制,潜在影响不容忽视。

其一,诊疗安全风险可能上升。

病历系统中的建议一旦被“权威化”,容易影响医生决策,甚至在忙碌环境下被直接采纳,形成误导。

其二,培训质量可能出现结构性变化。

住院医师规范化培训强调“在场景中学习”,如果关键推理环节被工具替代,年轻医生的临床思维、问诊技巧、鉴别诊断能力和风险意识可能被削弱。

其三,责任链条需要重新厘清。

工具输出属于提示还是结论,最终责任由谁承担,如何留痕可追溯,如何界定医疗行为与技术建议的边界,均需制度化安排。

其四,数据治理与隐私安全压力加大。

即便院内模型强调信息安全与质量控制,真实运行仍涉及数据调用范围、访问权限、模型更新、外部依赖等一系列治理问题,需要持续投入与审计。

四、对策:以“可控可用”为原则,把技术嵌入流程而非替代训练 业内普遍观点认为,技术应用关键不在“用或不用”,而在“怎么用”。

结合临床实践,可从以下方面探索平衡路径: 第一,明确定位为“辅助工具”。

在病历系统内设置清晰提示,强调输出为建议而非诊断结论,避免形成自动化决策依赖。

第二,分层分岗使用。

对高年资医师,可在复杂病例检索、指南更新、跨学科信息整合等方面提高效率;对年轻医生,可限制某些高风险功能,更多用于学习与文书规范化,而非直接生成诊断与处置方案。

第三,把“鉴别与复核”纳入培训考核。

将识别工具偏差、核对证据链、查找出处与指南依据等能力纳入住培与继续教育评价体系,促使年轻医生在使用中强化批判性思维。

第四,建立质量与风险闭环。

设置人工复核、抽样审查、错误案例复盘机制,形成可追溯的改进流程;对高风险科室和关键决策点,实行更严格的权限与审核。

第五,强化数据治理与伦理合规。

明确数据边界、脱敏规则、访问日志、模型更新制度与第三方安全评估,确保技术应用不突破隐私与合规红线。

五、前景:医疗数字化将更重“以人为本”的制度创新 可以预见,医疗数字化与智能化将持续推进,医院对效率与质量的双重追求不会改变。

但其发展方向将更趋审慎:一方面,通过标准化数据、结构化病历与知识库建设,为临床提供更高质量的信息支持;另一方面,通过制度设计确保临床判断权仍由医生掌握,把技术优势转化为流程优化与学习增益,而不是削弱训练与责任体系。

张文宏的表态引发争议,实质上提示了一个共识性议题:技术可以加速信息流转,但不能跳过能力养成;可以减轻重复劳动,但不能替代临床推理;可以提供参考,但必须保留人类医生的审慎、经验与责任担当。

张文宏的观点提出了一个值得全社会深思的问题:在拥抱科技进步的同时,如何保护和培养医学专业人才的核心竞争力。

这不是简单的"支持"或"反对"人工智能的问题,而是如何科学、理性地应用新技术。

医疗机构在推进人工智能应用时,应当充分考虑其对人才培养体系的影响,建立分阶段、有梯度的应用策略,确保新技术成为年轻医生成长的助力而非阻力。

唯有如此,才能在技术赋能与人才培养之间找到最优平衡点,推动医疗事业的可持续发展。