问题——医疗信息化加速推进的背景下，智能工具正快速进入医疗场景；从导诊分诊、影像识别到用药提醒、病历生成，效率提升明显，但“便利”与“安全”“效率”与“质量”之间的张力也再次被推到台前。张文宏在公开场合明确提出，反对将对应的系统直接、成体系地引入医院日常诊疗流程与病历系统的关键决策环节。他认为，智能工具可以辅助，但不能替代医生的临床思维与责任承担；更需要警惕的是，若临床训练不充分的年轻医生过度依赖自动化结论，未来可能难以形成独立诊断与纠错能力。 原因——为何要对“系统性嵌入”保持谨慎？一上，医学诊断本质上是基于不完整信息的概率判断与动态决策，既依赖指南证据，也依赖对个体差异、病程演变、合并症，以及风险与收益的综合权衡。即便工具常见病、多发病场景中表现出色，也可能因数据偏差、样本代表性不足、信息录入不完整或场景迁移等因素，在真实世界出现偏差。另一上，医疗决策链条牵涉生命安全与伦理责任，诊疗并非“答案题”，而是包含复核、解释与追踪的闭环过程。张文宏结合自身使用经验举例：可以先让工具对病例作初步分析，但最终仍需医生凭专业经验迅速识别并纠正其中可能存的错误。该表述强调的是人的把关作用，以及对异常情况的敏感度。 影响——过度依赖的风险主要体现在两端：对患者而言，若关键环节出现“看似合理”的错误结论，可能导致误诊漏诊、用药不当、延误治疗；且一旦错误被复制扩散，影响范围会更大。对行业而言，更值得警惕的是人才培养链条被“捷径”改写。如果医生从实习阶段就习惯直接调用结论，临床鉴别能力、病史采集与体格检查能力、对检验影像的综合判读能力都可能被弱化。长远看，这不仅影响个体医生成长，也可能让医院在面对复杂疑难、突发新发疾病时缺少足够的“临床推理储备”，进而削弱体系韧性。同时，公众对医疗行为的信任建立在“可解释、可追责”的专业过程中；一旦责任边界不清、解释不足，医患沟通成本可能上升。 对策——如何在推动技术应用与守住医疗安全底线之间取得平衡？其一，明确定位与边界。智能工具宜优先用于事务性、辅助性、可复核的环节，例如文献检索、指南对照、病例结构化整理、随访管理等，为医生节省时间，把更多精力投入问诊沟通、鉴别诊断与风险决策。其二，坚持“医生主导、结果复核”。在病历系统和诊疗流程中，应建立人机协同但以医生决策为核心的机制，对关键结论设置复核要求与记录制度，避免“自动生成即自动采信”。其三，强化分层培训与能力建设。张文宏强调，年轻医生必须通过系统训练掌握两项关键能力：一是判断工具输出的准确性与适用性，二是能够处理工具难以应对的复杂疑难病症。对应到管理层面，应将临床思维训练、循证医学素养、风险识别与临床沟通纳入培养评价体系，防止“会用工具”替代“会看病”。其四，完善治理与监管。围绕数据质量、隐私保护、使用记录、误差评估与责任划分等建立规范，推动在真实世界开展持续评估与迭代，确保应用可控、可追溯。 前景——从趋势看，智能技术在医疗领域的应用仍将持续深化，尤其在基层能力提升、资源均衡配置、科研效率提高诸上潜力可观。但其价值释放的前提，是分清“辅助”与“替代”，统筹“效率”与“质量”，并让“技术进步”与“人才培养”同步推进。更值得期待的方向，是建立以临床问题为导向的工具体系：既帮助医生更快获取证据与信息，又通过规范流程强化复核与解释，最终服务于更安全、更高质量的医疗供给。在这一过程中，医院管理者、监管部门、技术提供方与临床一线需要形成共同规则与共识，避免把复杂的医疗决策简化为单一输出。
在医疗数字化快速推进的今天，张文宏教授的提醒具有现实意义；技术进步并非非此即彼，关键在于在拥抱创新的同时守住医疗安全与医学教育的底线，这需要更科学的评估体系与更严谨的应用规范。毕竟，再先进的算法也无法替代医生在床旁作出的专业判断，以及对患者的人文关怀。