问题： 近年来，医疗领域数字化、智能化加速推进，部分医疗机构将大模型类工具接入院内系统，用于检索指南文献、整理病历要点、生成初步分析等，以期提升效率、改善流程。
与此同时，临床诊疗高度依赖专业判断与责任链条，病历系统又是医疗行为的关键载体。
一旦辅助工具深度嵌入病历书写、诊断推断等核心环节，效率与风险如何权衡、培养与替代如何取舍，成为行业必须直面的现实问题。
张文宏在公开场合提出“在我们医院不把相关辅助工具引入病历系统”，核心指向即是：临床基本功和人才梯队不能被“捷径”削弱。
原因： 从医疗规律看，年轻医生的成长依赖“病例—思辨—复盘”的反复训练：从采集病史、体格检查，到鉴别诊断、制定方案，每一步都需要在不确定性中建立证据链。
若在病历系统中一键生成结论，容易把“推理过程”压缩为“结果输出”，训练链条可能被打断。
更重要的是，临床并非标准化问答场景，合并症、用药史、检验偏差、病程变化都会导致个体差异，任何工具都可能出现不符合具体场景的建议。
张文宏强调“能否识别对错取决于能力是否强过它”，反映出医疗应用的一个关键逻辑：工具可以提高速度，但不能替代判断；越是能力不足，越需要被规范流程训练，而不是依赖外部结论。
影响： 对医疗机构而言，若缺乏边界控制和制度配套，病历系统的“自动化结论”可能带来多重连锁效应：一是临床思维弱化，年轻医生容易形成“先看结论再找依据”的逆向路径，降低对症状体征和病程细节的敏感度；二是责任界面模糊，一旦建议与实际病情不符，如何界定医生、科室与系统的责任，既影响患者权益，也影响医疗质量管理；三是质量风险外溢，病历作为医疗文书具有法律与管理属性，若生成内容出现偏差、遗漏或表达不严谨，可能影响后续诊疗协同、医保审核和纠纷处置。
与此同时，若使用得当，辅助工具也可能在繁重工作中帮助医生完成资料梳理、提示漏项、检索指南，从而把更多精力留给床旁判断与医患沟通。
问题不在“用不用”，而在“怎么用、在哪用、谁来用、如何管”。
对策： 业内普遍认为，医疗智能化落地应坚持“安全、合规、可控、可追溯”的底线思维，并在制度设计上把“培养体系”和“临床责任”放在首位。
其一，明确应用边界：将工具定位于信息整理、知识检索、结构化录入辅助等“低风险环节”，对诊断结论、治疗方案等“高风险环节”设置严格限制，避免在病历系统中形成自动化“定性定论”。
其二，分层分级使用：对住院医师、规培医师、主治及以上人员设置不同权限与审核流程，让“谁具备判断能力谁负责把关”落到制度上。
其三，强化质控与审计：建立提示来源、引用证据、生成记录的可追溯机制，纳入病历质控体系，防止“黑箱建议”直接进入正式文书。
其四，完善培训体系：将工具使用纳入规范化培训内容，重点训练年轻医生识别偏差、核对证据、进行二次评估的能力，使其把工具当作“参考”，而不是“答案”。
其五，守住数据安全与隐私红线：院内模型或系统需在数据脱敏、权限管理、访问控制、日志留存等方面形成闭环，确保医疗数据安全、质量可靠。
前景： 随着医疗需求增长与医务人员工作负荷上升，智能化工具进入医疗场景已是趋势，但其价值更可能体现在“提升流程效率、增强信息整合能力、减少重复劳动”，而非替代临床判断。
未来一段时间，行业或将逐步形成更清晰的共识：对外延伸到健康管理、随访提醒、知识服务等领域可以更积极；对内深入到诊断与病历核心环节必须更审慎，尤其要以人才培养和医疗安全为锚点。
张文宏的表态在一定程度上提示了一个方向——新技术越强大，越需要通过制度、培训与质控把它纳入可控轨道，让效率提升服务于医疗质量，而不是冲击临床基本功。
这场争论本质是医疗本质的回归——无论技术如何演进，"医生"始终是医疗行为的责任主体。
正如张文宏教授所言："听诊器不会自己找病灶，手术刀不能自动做切除。
"在拥抱技术革新的同时坚守医学教育规律，或许才是智慧医疗健康发展的题中之义。
医疗AI的合理应用边界，最终将由患者的生命安全需求来划定。