在医疗智能化浪潮席卷全球的背景下，权威专家的理性发声引发行业深思。
国家传染病医学中心（上海）主任张文宏教授近日公开表达对AI技术临床应用的担忧，其核心观点直指医疗人才培养体系的根本命题。
当前矛盾集中体现在诊断能力培养环节。
传统医学教育要求医生从实习阶段开始，通过大量病例实践逐步构建诊断思维体系。
而直接引入AI辅助诊断系统，可能导致年轻医生跳过关键训练过程，形成"技术依赖症"。
张文宏以自身临床经验为例指出，资深专家能快速识别AI分析中的错误，但缺乏系统训练的医生可能被误导，这种能力断层将直接影响医疗质量安全。
深层隐患源于技术应用与专业成长的逻辑冲突。
医学诊断不仅是信息处理，更是临床经验、病理认知和逻辑推理的综合体现。
当AI系统提供现成结论时，未经充分实践的医生可能丧失"质疑-验证"的思维训练机会。
数据显示，我国住院医师规范化培训年均接诊量要求达300例以上，其设计初衷正是为夯实临床基本功。
面对技术革新，张文宏主张采取阶梯式应用策略。
在保留核心诊断训练的基础上，可将AI定位于辅助角色：一是快速处理海量文献检索，二是提供治疗方案的参考建议，三是协助完成标准化文书工作。
这种"人机协同"模式既提升效率，又守护医疗人才培养的底线要求。
行业实践已呈现分化态势。
尽管部分医疗机构积极推进AI系统全覆盖，但更多顶尖医院选择在放射影像、病理筛查等特定领域试点。
专家建议，未来技术部署需建立"能力评估机制"，确保医生在掌握核心技能的前提下合理使用智能工具。
医学的本质是科学与艺术的结合，而诊断能力的培养更是需要时间打磨和实践积累。
人工智能的出现为医疗工作带来了便利，但这种便利不应成为绕过基础训练的捷径。
张文宏的观点提醒我们，在追求技术进步的同时，必须守护医学教育的初心——培养具备独立判断能力的医学人才。
只有这样，AI才能真正成为医生的得力助手，而不是替代者或误导者。
这对于维护医疗质量、保障患者安全，具有重要的现实意义。