人工智能医疗领域的应用正处于快速扩展阶段，但其推进过程中的问题也日益凸显。近日，国家传染病医学中心主任的有关观点引发业界广泛讨论，反映出医疗界对AI应用的理性思考。 当前，人工智能在医疗卫生领域的应用已形成相当规模。国家卫健委2024年11月出台的《卫生健康行业人工智能应用场景参考指引》提出了80多条具体应用建议。广东省卫健委2025年7月公布的应用案例名单中，共有289个应用场景案例。其中，医学影像智能辅助诊断应用最为广泛，已有73个案例；其次为临床专病智能辅助决策、智能门诊分诊、智能病历辅助生成等多个领域。这表明AI在医疗实践中的渗透已成为不可逆转的趋势。 然而，AI应用的快速推进也带来了新的挑战。一些医学专家提出了值得重视的问题：过度依赖AI是否会削弱年轻医生的临床思维能力？AI诊断错误如何把控？这些问题触及医学教育和医疗质量的根本。 从医学教育角度看，传统的临床培养模式强调"手把手"的师徒传承。在该模式下，年轻医生通过长期的临床实践和上级医生的指导，逐步建立独立的诊断思维和判断能力。如果AI过早介入诊疗过程，年轻医生可能会跳过必要的知识积累和思维训练阶段，直接依赖AI的结论。这种情况下，当面对AI无法处理的复杂病例或AI出现错误时，年轻医生将缺乏足够的能力进行判断和纠正。这是一个值得警惕的现象。 但另一上，AI医疗工作中的优势也不容否认。医学影像科医生普遍反映，AI辅助阅片大幅提升了效率和准确度；医疗文书类AI能够帮助医生快速整理病史、生成初稿，减少低级错误，显著降低了医疗文书的工作负担。对患者众多、病情复杂的医生来说，AI可以作为初步筛查工具，帮助快速处理大量信息。这些实际应用表明，AI并非医疗工作的"敌人"，而是可以成为有效的辅助手段。 关键在于如何科学规范地使用AI。专家的共识是，AI应用的前提是使用者具备足够的专业能力来判断AI的正确性和局限性。这意味着，AI最适合用于已经具备扎实专业基础的医生手中，而不应该成为替代医学教育的工具。对于年轻医生的培养，仍需保留传统的临床实践环节，确保他们在掌握基础知识和建立临床思维后，再逐步引入AI辅助。 从医疗质量管理的角度，需要建立相应的监管框架。AI在医疗中的应用应该受到严格的审查和评估，特别是涉及诊断决策的应用场景。医院应该明确规定在哪些环节可以使用AI、如何使用、如何验证AI的结果等。同时，医疗机构需要对AI系统进行定期的性能评估，及时发现和纠正问题。 目前，医学影像、专病辅助、文书质控等领域的AI应用已相对成熟，但在临床决策支持上仍需谨慎推进。不同科室、不同医疗场景对AI的需求和风险承受度不同，需要因地制宜、分类指导。 从长远看，医疗界需要找到AI应用与医学教育、医疗质量之间的平衡点。这不是简单的"用"或"不用"的问题，而是如何在运用AI优势的同时，保护和强化医学专业人才的培养。这需要医学教育工作者、临床医生、医院管理者和政策制定者的共同努力。
这场讨论折射出医疗数字化转型中的深层思考——当技术发展快于人才培养，如何在效率与质量间取得平衡，不仅关乎工具使用，更是对医疗教育体系的考验。正如一位资深医生所说："听诊器不会因核磁共振而消失，关键是要明确哪些必须由人类传承。"