張文宏的話振聾發聵，副主任醫生發聲：AI不被問責，誰為患者兜底

“我拒絕把AI引入醫院的病歷系統。”在香港舉辦的高山書院十周年論壇上，國家傳染病醫學中心主任張文宏教授的一席話，振聾發聵。

張文宏在現場揭示了一個極其深刻的行業悖論，資深專家可以用AI，但實習醫生絕對不行。

他坦言自己也會用AI，因為他看過成千上萬的病例，建立了極其嚴密的臨床思維。AI生成的內容，他掃一眼就知道哪里是胡說八道，哪里是真知灼見。

認同支持張文宏觀點的人很多，但認為不該一刀切的也大量存在，王小川就認為AI醫療要解決醫生不夠、醫學不發達問題。這個問題公說公有理，婆說婆有理。

從支持張宏文的角度：醫學里最怕的不是不知道，而是有了AI不再思考

從張宏文這番話，可以知道，他是一個稱職的醫生，他尊重人的生命，同時尊重醫生這個職業的專業操守與行業的經驗沿襲。

有業內人士認為，張文宏這個態度，其實站在一線臨床負責人角度是完全能理解的。病歷系統如果深度接入AI，醫生很容易被“結論牽著走”，尤其是年輕醫生，本來就依賴指南和模板，一旦有“看起來很權威的 AI 建議”，獨立診斷能力會被削弱。醫學里最怕的不是不知道，而是不再思考。

如今，某副主任醫生孫醫生站出來發聲，他表示：“當一個實習醫生，第一次寫病程時，AI已經幫他把“看起來很完整的診斷邏輯”鋪好；當他第一次面對復雜癥狀時，系統已經把“最可能的幾個答案”排好序；當他還沒來得及在腦子里真正展開鑒別診斷，結論已經在那里等他確認。這時候發生的，并不是“效率提升”，而是思維路徑被提前固化。”

“出了事，AI不會被問責，年輕醫生也扛不住，誰來兜底？最后站出來的，還得是科室大主任。”孫醫生表示，你需要一些突發情況來教你做事，有些層次，你得用手、用眼才能記住。”

熟手有檢驗和復核的能力，而新手、菜鳥沒有，一個看CT影像報告的資深醫生可以在AI的助理下快速復核分析異常器官部位，但是一個看CT水平很低的醫師無法對AI的結果進行二次校驗，只能選擇聽從AI，這種弊端是很顯然的。

前段時間有個熱搜事件，男子胸背痛懷疑心梗，急診外科醫生按換氣過度綜合征治療無果；患者去世醫方被定主責，警方刑事立案。

可是新聞沒提的內容是什么呢？這個醫生開了心電圖和cTn，結果陰性。

“如果是AI，AI一定也會和這個醫生一樣排除心梗，那個急診科醫生該做的檢查也都做了，結果也并不明顯指向心梗。事實上新聞提到的急診案例，真的很需要經驗豐富的醫師救治，因此，放在涉及到生命安全的這種急診，AI明顯是不能夠替代醫生的專業經驗與思考來做出結論。”

王小川炮轟張宏文：拒絕AI是屁股決定腦袋

但支持引入AI的人認為，AI引入醫院或是擋不住的趨勢。

理由是影像、病理、心電、檢驗指標解讀，本質是“模式識別 + 概率判斷”。很多老專家的“經驗直覺”，拆開看其實就是大量統計規律，AI 學得會，甚至越來越快，直接拉平“新手和老專家”的下限差距。

中國本身醫療資源不夠，提高看病效率是必然要走的路。

有家長就指出：在基層醫療領域，AI的效率是遠高于很多醫生的，特別是現代西醫體系，癥狀、數據、甄別、判斷，這是非常數字化的模型。基層醫院目前的程序化流水線恐怕還不如AI。

該家長表示，在傳染病爆發期，同時有幾十個發燒的小孩，兒科醫生是可能誤診的，根本就顧不過來，醫生往往就是流水線操作。我兒子川崎病就被當地的三甲誤診過，一上來就讓消炎退燒，反掩蓋病情。后來是我自己懷疑，再去兒童醫院，主動要求考慮是不是川崎病才確診。

“彼時還沒有AI，就是自己搜索、排除，我相信如果當時能有，還可以更早發現。”該家長認為，張文宏說那些80分、90分的醫生不要被AI影響了判斷能力是OK的。但假設AI診療有60分水平，全國醫生不到60分及格的是大量存在的。

而王小川炮轟張宏文也談到了類似的問題，王小川表示，目前醫療的問題是醫生太少，醫療不夠發達，居家服務太少。而AI的出現主要是為了服務患者，而不是圍繞醫生的利益。

醫生太少病患太多，尤其是基層醫療資源缺乏乃至水平欠缺，這也是中國的一個實情。

更何況現在有一個趨勢，就是越來越多的老外為逃“斬殺線”擠爆中國三甲醫院！稱中國醫療就是白菜價。可想而知，未來的中國的醫療資源尤其是三甲醫院的提效分流的壓力會更大。

當“來華免簽”變成了“來華就醫”，這場跨越萬里的求醫問藥背后，是中國的醫療成本、效率與專業。

在歐美醫療體系中，CT、核磁共振這些檢查項目，往往被視為“奢侈品”。在美國，若沒有保險，做一次核磁共振可能需要花費近一萬美元。

然而在中國，幾百塊人民幣的核磁共振、幾十塊錢的血常規，直接把這種“貴族檢查”打成了“白菜價”。

因此，從未來趨勢看，隨著中國的國際影響力與日俱增，來華外國人越來越多，大量外國人來華就醫或成為一種隱性的趨勢。如何應對這種變化，也是當前國內三甲醫院需要思考的。

因此，從病人群體規模的擴大，到醫生人手與精力不夠用的情況下，AI被引入醫療體系作為輔助，來分流醫生壓力，提升看病效率可能就是一條必然之路。

有人認為，AI引入病歷系統的最大的好處是把無數重復且繁瑣的工作交給AI完成，讓醫生能有更多時間去與患者溝通和進行研究。

但另一方面，大模型的進化需要依賴于高質量的實踐數據，如果今天的病歷大規模由AI生成，吃著“AI生產的數據”長大的，這會導致模型能力迅速坍塌。

正如某專業醫生指出：“引入AI的第一年，效率提升、投訴下降、文書規范、指標好看；第二年，年輕醫生“上手更快”，人力緊張得到緩解；第三年，突然發現，所有的病例變得千篇一律，我找不到非典型的疑難病例可以討論學習了。”

醫療界的技術變革與進步是靠思考與實踐得來的，如果醫生不再思考，那么醫學界的疑難雜癥如何攻克？從張文宏的觀點來看，他反對的是替代，而非輔助。張文宏也提到了“你可以自己在那里用，但是不允許在我這病歷系統里用AI。”張醫生不是反科技，他自己也用AI初篩病例，但他清楚：工具可以快，腦子不能懶。

醫生要是連“AI哪里錯了”都看不出來，那5%的誤診，可能就是某個家庭100%的災難。

一醫學副主任孫醫生認為，早期訓練階段，AI是陪練，不是裁判；它可以幫你查資料，但不能替你寫“你沒想清楚的結論”；它可以提醒你風險，但必須逼你說出“為什么采納、為什么不采納”；它可以讓成熟醫生飛得更高，但不能讓新醫生跳過起飛前的助跑。

未來和AI共存已經是大勢所趨，AI 可以做“第二意見”和“風險提示”，不能做最終診斷，醫生必須對 AI 輸出負責，醫生需要盡最大努力成長為及格線以上的醫生，有足夠的專業能力來識別AI的真知灼見與胡說八道成分，同時自己做出診療判斷，讓AI成為工具而不是代替醫生思考，醫療不是一個只追求“最優解”的行業。它需要的是在不確定性中，仍然有人知道自己為什么這樣判斷，并愿意為此負責。