AI与医疗：效率与理解力的博弈
解析张文宏的“去技能化”预警与全球医疗系统的应对策略
AI与医疗：效率与理解力的博弈
作者：阿兹特克小羊驼 (@AztecaAlpaca)
发布时间：2026-01-14
原文链接：点击跳转
解析张文宏的“去技能化”预警与全球医疗系统的应对策略
在1月10日于香港举行的高山书院十周年论坛上，国家传染病医学中心（上海）主任张文宏教授就 AI 在医疗领域的应用分享了见解。
张文宏明确反对将其系统性地引入医院的日常诊疗流程。
张文宏解释： 他个人使用 AI 的方式是让其对病例“先看一遍”，事后凭借深厚的专业经验，他可以一看就知道 AI 哪里是错的。
张文宏担忧的在于，一名医生若从实习阶段就未经完整的诊断思维训练，直接借助 AI 获得结论，将导致其无法鉴别 AI 诊断的正误。这种能力的缺失，是隐藏在技术便利背后的深层隐患。
张文宏医生是一位话题人物，经常能够抛出值得讨论的问题。这一次，无疑又引起了热议。
在当前，如何将 AI 应用于医疗，始终是个热点话题。首先，繁琐的医疗工作者不可能不用 AI。但医疗又是一个偏保守的行业，至少作为患者的时候，每个人还是希望能够被严肃对待。
医疗中，AI 在不同阶段的参与方式与风险评估
当我们把人工智能放进医生的诊室时，我们其实是在进行一场巨大的交易。一方面，我们看到了惊人的效率——机器不知疲倦，能处理海量数据；但另一方面，我们面临着一个根本性的隐患：如果机器替医生做了所有的思考，医生还会思考吗？
这里有几个关键点：
- 认知风险是真实的： 张文宏医生提出的观点非常犀利。如果你让年轻医生在学会如何独立诊断之前就依赖 AI，你就剥夺了他们“挣扎”的机会。没有这种认知的挣扎，就没有技能的习得。最终，医生可能变成仅仅是给算法盖章的办事员。
- 但收益也是巨大的： 我们不能因噎废食。在阅片这种枯燥且容易出错的工作上，AI 是完美的“第二双眼睛”。它还能处理那些让医生精疲力竭的文书工作，把医生还给病人。
- 规则正在制定： 无论是美国、欧盟还是亚洲，大家都在做同一件事：给这个强大的工具装上护栏。核心原则很简单——不管机器多么聪明，最终签字负责的必须是人类。
- 教育必须改变： 既然世界变了，学校也得变。哈佛和英国的医学院正在教学生如何质疑 AI，甚至强迫学生在“关掉 AI”的情况下进行演练，以确保他们的基本功没有退化。
总之，AI 是一把手术刀，行善与作恶就在毫厘之间。在这一行，你必须比手中的工具更聪明，否则你就不是在做手术，而是在制造灾难。
接下来我们将对上述要点进行详细解读，我们需要搞清楚，为什么在医疗中，使用 AI 远比仅仅“使用工具”更复杂。
1. 便利是思维的敌人吗？
这就是我们面临的“认识论危机”。张文宏医生的观点触及了学习的本质。
想象一下学习物理，如果他在学会牛顿定律之前就只会背公式表，他永远成不了物理学家。医学也是如此。张文宏担心的是，如果我们让 AI 系统性地接管诊断流程，年轻医生就会跳过“第一性原理”的推导过程。他们会直接得到答案，而错过了那种构建直觉所必需的“脑力折磨”。
当 AI 直接把结果端上来时，我们的大脑就会停止那种深入的、慢速的分析（系统2思维），转而依赖直觉（系统1思维）。结果？我们得到了一群只会验证答案、不会寻找答案的医生。
2. 技能退化：当大脑进入“自动驾驶”
这不仅仅是担忧，这已经在发生了。当你不再使用某种肌肉，它就会萎缩；大脑也是一样。
- 静默的自动驾驶： 医生习惯了 AI 总是对的，于是停止了检查。他们脑中的疾病模型因为长期不用而变得迟钝。
- 捷径式学习： 实习生用 AI 读摘要，而不是自己去啃复杂的病历。这就像是只看电影解说而不看电影，你以为你懂了，其实你什么都没懂。
- 提示词贫乏： 医生如果只会给 AI 下达简单的指令，他们得到的也只是泛泛的回答。
更糟糕的是自动化偏见。这是一种心理陷阱：我们倾向于相信屏幕上的东西。即使 AI 犯了一个显而易见的错误，或者漏掉了一个关键信号，医生也可能因为过度信任机器而选择无视自己的直觉。这就像是我们为了省点脑力，就把方向盘交给了并不完美的自动驾驶仪。
3. 反方观点：我们需要这个“增益器”
尽管风险存在，但埃里克·托波尔（Eric Topol）等人的观点同样有力：人类本身就是充满缺陷的。我们会累，会看走眼，会有偏见。
- 安全网： 在放射科，AI 不累。它能发现人类因疲劳而漏掉的肺结节。这不仅是效率，这是救命。
- 把时间还给医生： 现在的医生被文书工作淹没了。如果 AI 能处理这些琐事，医生就能去做只有人类能做的事——倾听病人，理解那些数据之外的痛苦。
- 超越人类的极限： AI 能看见我们看不见的模式。它能综合一个人一生的健康数据来预测败血症。这不仅仅是辅助，这是超越。
4. 深入案例：AI 写病历的隐形代价
用 AI 自动生成病历听起来很棒，能省下无数小时。数据也支持这一点：医生轻松了，病人觉得医生更专注了。
但这里有个微妙的陷阱——“脱钩”。
写病历不仅仅是记录，它其实是医生整理思路、消化信息的过程。如果你把这个过程外包给机器，你可能就失去了对病例深层理解的机会。而且，机器往往会过滤掉那些混乱的、情绪化的、非语言的细节，而这些往往是精神科或复杂疾病诊断的关键。机器懂语言，但它不懂“弦外之音”。
5. 监管：全球在做什么？
世界各地的监管机构都在试图解决同一个问题：如何既要创新，又不要失控。
- 欧盟（预防为主）： 他们的《人工智能法案》很严格，把医疗 AI 定为“高风险”。这就像是说：“在你证明它绝对安全之前，我们要盯着你。”
- 美国（风险导向）： FDA 更务实。他们把行政工具和诊断工具分开管。他们甚至搞出了“预定变更控制计划”，允许 AI 在一定范围内自我学习和进化，只要不出圈。
- 日本与新加坡（国家战略）： 日本因为缺人，所以急着要用 AI，但现在开始强调国家层面的支持。新加坡则非常务实，他们建立“沙盒”，让你在可信的环境里跑，但底线很清楚：医生必须是最后的决策者。
6. 教育的变革：培养“混合型”医生
既然现实变了，我们不能再用旧方法教学生。
- 哈佛： 不再只是死记硬背解剖学，现在要学数据素养和伦理。
- 英国与新加坡： 最有趣的是“无 AI 演练”。就像飞行员必须练习手动降落一样，医生必须定期被强制切断 AI 辅助，靠自己的大脑和双手看病。这不仅是为了应急，更是为了保持大脑的敏锐。
7. 结论：无论是谁，都不应该把大脑外包
对该问题的讨论，显然不光关于技术，更关于我们如何定义“医生”。
如果我们让 AI 取代了思考的过程，我们就不仅是在使用工具，而是在退化。未来的医生不需要和机器比记忆力，那场比赛我们已经输了。未来的医生需要做机器做不到的事：批判性地评估机器的输出，理解复杂的背景，并在机器犯傻时（它们经常犯傻）果断地介入。
AI 应该是望远镜，让你看得更远，但很多时候它却让人盲目前行。为了病人的福祉，医生必须是那个最终的、清醒的仲裁者。
关于作者 阿兹特克小羊驼 AI画匠，Prompt Kiddie、球迷（勇士&马刺@ NBA，利物浦@英超）。休憩于科技与人文的十字路口，探寻科学、思想与生活的张力。