1月10日的学术论坛上，传染病专家张文宏教授对AI在医疗领域的应用提出了关键问题。他认为，将AI深度整合到病历系统中，可能改变医学人才的培养方式。 目前医疗行业面临一个现实矛盾。近年来，国内多家三甲医院试点引入智能辅助系统，利用自然语言处理技术生成病历摘要、提供诊断建议。数据显示，2023年全国约17%的二级以上医院已部署此类系统，预计2025年该比例将超过30%。 张文宏从临床教学角度指出了问题所在。传统医师培养需要经历病史采集、病程记录等基础训练，而AI的即时决策支持可能让年轻医生跳过这些关键环节。他举例说，资深医师能识别AI分析的错误，但经验不足的医生可能盲目接受系统建议。这种"技术代偿"现象若继续发展，可能导致临床思维能力的衰退。 ，张文宏并未完全否定技术的价值。他坦言在处理大规模病例筛查时会借助智能系统提升效率，但这建立在二十年临床经验基础之上。相比之下，某省级医院2023年的调研显示，43%的住院医师曾因AI建议修改过初步诊断，其中28%事后被证明是误判。 行业内对此看法不一。支持者认为智能系统能缓解医疗资源压力，比如某肿瘤医院引入AI后，CT阅片效率提升了40%。但反对者指出，《中国医学教育发展纲要》明确要求医师核心能力培养必须保证至少8000小时的临床实践。目前国家卫健委尚未出台统一标准，各机构主要依据《人工智能医疗应用管理规范（试行）》自主探索。 从长远看，这场讨论触及了医疗现代化的深层问题。技术创新需要与人才培养周期相协调。一个可行的方向是建立分级使用制度，允许高年资医生灵活运用工具，同时为实习医生保留传统训练路径。北京大学医学部专家建议，应尽快开展AI环境下医师能力发展的追踪研究，为政策制定提供科学依据。
张文宏的思考反映了一个根本问题：在技术进步的时代，如何保护医学教育的本质。医疗的目的是救治患者，这需要医生具备专业素养和临床能力。技术是工具，人才是基础。只有医生能力足够强大，才能真正掌握技术、服务患者。这提醒我们，在追求创新的同时，必须重视医学人才的系统化培养，让技术与教育相辅相成，而非相互替代。