在医疗技术快速发展的当下，人工智能在医疗领域的应用边界引发行业深度思考。国家传染病医学中心（上海）主任张文宏教授近日公开表态，反对将AI技术引入医院病历系统，该立场基于对医学人才培养体系的深远考量。 问题核心在于医疗教育的传承。张教授指出，现行医师培养遵循从实习医生到住院医师的渐进式成长路径，其间需要积累大量病历书写、病情分析的实践经验。若由AI系统直接生成诊断建议，年轻医生可能跳过关键的能力培养环节。"当AI直接给出结论时，缺乏系统训练的医生将失去鉴别诊断对错的能力"，这一观点直指医疗AI应用的核心矛盾。 深层原因涉及医学教育的本质特性。临床医学是经验科学与判断艺术的结合，医生的诊断能力需要通过反复实践来锤炼。张教授以自身经验为例，说明资深专家能够辨识AI分析的疏漏，但年轻医师可能因经验不足而盲从。这种能力差异恰恰凸显了传统培养模式的价值所在。 这一立场与当前医疗数字化浪潮形成微妙张力。近年来，国内多家三甲医院已试点引入智能辅助系统，用于病历整理、资料检索等基础工作。支持者认为这能提升工作效率，将医生从繁琐事务中解放出来。但张教授的观点提醒业界：效率提升不能以牺牲人才培养为代价。 应对之策需要平衡技术创新与教育规律。张教授并非全盘否定AI价值，他本人也会在处理海量病例时借助技术提高效率，但强调必须保持主导权。这为医疗AI发展提供了新思路：技术应定位为"辅助工具"而非"决策主体"，应用场景需严格区分培训阶段和实战环节。 展望未来，医疗智能化进程需要建立更完善的应用规范。随着《新一代人工智能发展规划》深入实施，如何在提升医疗服务效率的同时守护医学教育本质，将成为政策制定者、医院管理者和技术开发者共同面对的课题。专家建议，可考虑建立AI应用分级制度，区分教学医院和临床医院的不同需求。
张文宏的观点提醒我们，技术进步与人才培养之间需要找到平衡。人工智能在医疗领域的应用前景广阔，但其引入的时机、方式和范围都需要谨慎考虑。医学是一门需要长期实践积累的学科，年轻医生的成长不能被快速迭代的技术所替代。真正的医疗进步应该是在保证人才培养质量的基础上，有选择性地运用新技术来增强医疗能力。这种理性态度对于推动医疗事业的可持续发展很重要。