在医疗智能化浪潮中，一项关键技术应用正遭遇权威专家的审慎态度。
国家传染病医学中心（上海）主任张文宏近日明确表示，其所在医院暂不引入人工智能病历系统。
这一表态迅速在医疗系统内部引发连锁反应，折射出数字化转型过程中的深层矛盾。
争议焦点集中在临床人才培养体系。
张文宏指出，年轻医生若过度依赖AI生成诊断结论，将导致临床思维训练缺失，无法有效辨别技术输出的准确性。
这种担忧获得部分资深医师共鸣，广州某三甲医院主任医师向记者表示："传统'师徒制'教学模式对培养诊断直觉具有不可替代性。
" 但现实应用数据呈现另一幅图景。
据国家卫健委最新统计，全国已有73家医疗机构开展医学影像智能辅助诊断，25家试点临床专病决策系统。
广东省首批289个应用案例显示，AI在病历质控、手术规划等环节已形成规模化应用。
广州某肿瘤科医师坦言："处理复杂病史时，AI能将资料整理时间压缩80%，显著缓解文书压力。
" 技术推广面临的悖论逐渐显现。
一方面，AI确实解决了基层医疗机构诊断能力不足、三甲医院超负荷运转等结构性问题；另一方面，其算法透明度不足、责任认定模糊等缺陷，又制约着深度应用。
北京协和医院信息中心主任指出："关键在于建立人机协同标准，既要保留医生决策主导权，又要发挥技术增效作用。
" 行业主管部门正着手构建规范体系。
国家卫健委去年发布的《人工智能应用场景参考指引》，首次明确80余项技术应用边界。
多位参与标准制定的专家透露，新版诊疗质量评估体系将增设"人机协作能力"考核维度，推动形成技术赋能而非替代的发展路径。
病历系统连着医疗质量与公共信任，任何新技术的进入都应以安全、可控、可追溯为前提。
争论本身是一种必要的“刹车与校准”：既不能因担忧而拒绝进步，也不能因追求效率而忽视培养规律。
把工具放在合适的位置，让医生的判断更快、更准、更稳，让患者获得更清晰的解释与更可靠的服务，才是医疗智能化应抵达的方向。