当前，人工智能技术正加速渗透各行各业，医疗领域同样在其中。不过，在这股热潮之下，一位资深医学专家的提醒值得认真对待。张文宏教授近日在公开论坛上谈到，他对人工智能在临床诊疗中的系统化应用持谨慎态度，并强调医生必须经过完整的专业训练，才能真正掌握诊断能力。这种观点看似与潮流不完全一致，实际上指向的是医学教育与技术落地过程中容易被忽视的关键问题。张文宏的担忧，来自他对医学人才成长规律的长期观察。他结合自身经验，说明更合理的使用路径应是：由人工智能先做初步分析，再由医生依靠专业知识识别并纠正其中的偏差。这样既能发挥人工智能的效率优势，也能确保医生仍是判断的核心。但风险在于，如果医学实习生从培训初期就习惯“直接看结论”，依赖人工智能给出诊断，而缺少系统的临床思维训练，就难以具备辨别人工智能结论对错的能力。医学教育的特殊之处在于，医生的成长离不开长期、扎实的实践积累。这不仅是知识堆叠，更是临床判断力、应急处置能力与医学伦理素养的综合锻炼。新手只有在反复处理复杂病例、应对诊疗中的不确定性与压力时，才能逐渐形成可靠的专业能力。这类“坐冷板凳”的训练很难被技术替代，也不存在真正的捷径。人工智能目前仍存在“幻觉”等问题，使上述风险更加突出。尽管其训练依赖大量真实医学数据，但输出并不必然准确。如果医学新手过度依赖人工智能，逐步形成思维惰性与行为惯性，就可能出现“反向规训”——医生越来越按人工智能的建议行事，独立思考与判断能力被削弱。一旦这种模式固化，不仅影响个人成长，更可能直接威胁患者安全。临床工作的时间压力与效率要求，又让这种风险更具现实性。当人工智能被系统性嵌入病历系统和工作流程，医生可能在不知不觉中形成路径依赖，逐步减少自主分析，把原本的辅助工具推向事实上的“决策中心”。表面上效率提高了，但代价可能是专业能力的持续被动化。对此，不少业内专家认为，人工智能在医疗中的应用必须划清边界：它可以用于处理海量信息、辅助初步分析，但最终诊断与决策必须由医生承担。这也意味着，医学教育在培养新一代医生时，仍应坚持完整的临床思维训练；在教授人工智能工具使用的同时，更要确保医学新手具备独立判断的能力。，医疗机构推进人工智能应用时，也应配套明确的规范与指南，界定使用场景、限制条件与责任归属。对于医学新手，更需要控制对人工智能的依赖强度，待其获得充分临床经验与专业训练后，再逐步提升工具使用的自主性。更深一层，此讨论关乎人的主体性与技术的关系。人工智能是工具，目的在于提升医疗服务质量，而不是替代医生的思考与判断。尤其在医学领域，决策直接关联患者生命健康。守住人的主体性、强化医生能力，仍是保障医疗质量与患者安全的关键。
新技术进入医疗领域，关键不在“用不用”，而在“怎么用、用到哪里、由谁负责”；把效率引入医院，更要把审慎写进流程；把工具带进诊室，更要把能力留在医生身上。守住临床思维训练的底线、守住医生对诊疗决策的主导权，才能让技术真正服务患者安全与医疗高质量发展。