[智能应用]张文宏：反对将AI系统性地引入医院日常诊疗流程，恐影响年轻医生鉴别诊断正误能力 [1P] [复制链接]

据深圳卫视《科创最前沿》消息，1月10日于香港举行的高山书院十周年论坛上，国家传染病医学中心（上海）主任张文宏教授就AI在医疗领域的应用分享了见解。他明确反对将其系统性地引入医院的日常诊疗流程。

据界面新闻报道，张文宏在分享中明确表示，反对将AI系统地引入医院日常诊疗流程。他以自身使用AI的经验为例，说明他通常让AI先对病例进行初步分析，之后再凭借专业经验快速识别并纠正其中的错误。
张文宏指出，真正的隐患在于，如果一名医生从实习阶段就依赖AI直接得出结论，而没有经过完整的临床思维训练，未来将难以具备鉴别AI诊断正误的能力。
张文宏强调，年轻医生必须通过系统性的训练，才能掌握两大关键能力：一是判断AI诊断的准确性，二是诊治AI无法应对的复杂疑难病症。他认为，这是技术便捷背后不可或缺的专业根基。
当然，张文宏也不是完全否定AI在医疗领域的作用。他觉得AI可以在一些辅助性的工作上发挥作用，比如帮助医生快速查找相关的医学文献、提供一些参考的治疗方案等。

张文宏谈AI医疗应用：反对系统引入诊疗流程，强调“人机协同”需守住专业底线  
——年轻医生临床思维训练不可替代，AI应定位为“辅助工具”而非“决策主体”  
一、核心观点：AI可辅助，但不可替代医生临床决策  
1. 反对系统性引入诊疗流程  
场景：1月10日香港高山书院十周年论坛上，国家传染病医学中心主任张文宏明确表示，反对将AI作为“标准配置”直接参与医院日常诊断。  
依据：他以自身使用AI的经验为例，指出AI分析病例后仍需医生凭借专业经验“纠错”，否则可能因数据偏差或算法局限导致误诊。  

2. 担忧核心：年轻医生能力退化  
临床思维断层：若医生从实习阶段就依赖AI结论，将缺乏对症状、病史、检查结果的独立分析训练，未来难以鉴别AI诊断的对错。  
复杂病例失能：AI擅长处理标准化问题，但面对罕见病、多器官并发症等复杂场景时，医生若未经过系统训练，将丧失独立诊治能力。  
二、张文宏的“人机协同”边界论  
1. AI的合理角色：辅助而非主导  
信息检索：快速查找医学文献、指南、药物相互作用等，节省医生时间。  
方案参考：基于大数据提供治疗建议（如用药剂量、手术方案），但需医生结合患者个体情况调整。  
流程优化：自动化处理病历录入、预约安排等行政工作，让医生专注核心诊疗。  

2. 医生的“不可替代性”  
专业纠错能力：AI可能因训练数据偏差（如种族、地域差异）或算法黑箱产生错误，需医生凭借经验识别。  
伦理决策权：在临终关怀、资源分配等场景中，医生需综合医学、伦理、社会因素做出判断，AI无法承担。  
复杂问题解决：如新冠疫情中，张文宏团队需结合流行病学、病毒学、临床数据制定诊疗方案，远超AI当前能力范围。  
三、行业争议：AI医疗是“颠覆”还是“赋能”？  
1. 支持派：AI将重塑医疗生态  
效率提升：IBM Watson Health曾宣称可在数秒内分析海量文献，辅助癌症诊断。  
基层赋能：AI可弥补偏远地区医生资源不足，如腾讯觅影辅助基层医生筛查食管癌。  
成本降低：麦肯锡报告预测，AI每年可为全球医疗行业节省超3600亿美元。  

2. 反对派：警惕“技术至上”陷阱  
数据偏见：2020年《科学》杂志研究显示，某AI皮肤癌诊断工具对深色皮肤人群准确率低30%。  
责任模糊：若AI误诊导致医疗事故，责任归属（开发者、医院、医生）尚无明确法律界定。  
过度依赖：英国《柳叶刀》曾报道，部分医生因过度依赖AI辅助诊断，导致自身临床技能退化。  

3. 中间路线：张文宏的“平衡论”  
阶段定位：当前AI应作为“第二意见”工具，而非直接决策系统。  
教育改革：医学院需加强“AI素养”课程，培养医生与AI协作的能力，而非被AI替代。  
监管框架：建立AI医疗产品的审批标准（如FDA的“数字健康预认证计划”），确保安全可控。  
四、未来展望：AI医疗的“进化方向”  
1. 技术突破点  
多模态融合：结合影像、基因、可穿戴设备数据，提升诊断全面性。  
可解释性AI：开发能解释决策逻辑的算法（如LIME、SHAP），增强医生信任。  
联邦学习：在不共享原始数据前提下，实现跨医院模型训练，保护患者隐私。  

2. 应用场景拓展  
预防医学：通过分析人口健康数据，预测疾病爆发趋势（如流感、新冠变异株）。  
慢性病管理：AI助手可实时监测糖尿病患者血糖，调整用药方案。  
药物研发：AlphaFold预测蛋白质结构已加速新药开发进程。  

3. 张文宏的终极判断  
短期（5年内）：AI将主要承担辅助角色，医生需保持“最终决策权”。  
长期（20年以上）：若脑机接口等技术突破，AI可能参与更复杂的认知任务，但医生仍需主导伦理与人文关怀。  

结语：  
张文宏的警告，本质是对“技术狂欢”的理性刹车。在AI医疗浪潮中，守住医生的临床思维训练底线，不仅是保护患者安全，更是维护医学作为“人学”的本质——当机器能处理数据时，医生的价值将更体现在对生命的共情、对复杂的敬畏、对不确定性的担当。  

（数据来源：深圳卫视《科创最前沿》、界面新闻、《科学》《柳叶刀》期刊报道）  
技术可以辅助医生，但无法替代医生成为“人”的守护者。

张文宏医生明确反对将AI系统性地引入医院日常诊疗流程的核心原因在于：

⚠️ 一、担忧年轻医生临床能力退化
诊断思维训练缺失
张文宏指出，若医生从实习阶段就依赖AI直接生成诊断结论，将失去完整临床思维训练的机会。这种能力无法通过AI替代，需通过长期实践积累（如病例分析、病情推理等）。
丧失AI鉴别能力
当医生未建立独立诊断框架时，无法判断AI结论的正误。例如，AI可能因数据局限产生错误诊断（如罕见病症误判），缺乏专业经验的医生难以识别风险。
🧠 二、强调医生需掌握的核心能力
双重专业根基
判断AI准确性：能复核AI诊断的逻辑漏洞；
处理复杂疑难病例：AI无法应对非标准化病症（如多系统交叉疾病）。
经验不可替代性
张文宏以自身为例："我让AI先分析病例，但一眼就能看出错误"，这源于数十年临床积累的直觉与知识库。
⚖️ 三、AI的合理定位：辅助工具而非决策主体
适用场景
文献检索与数据分析（如快速调取最新治疗方案）；
提供参考性建议（如药物相互作用提醒）。
禁区
严禁替代医生做最终诊断，尤其涉及患者安全的核心环节（如处方生成、手术方案）。
💎 核心结论
张文宏的反对本质是守护医疗本质：AI应解放医生的重复劳动，而非替代医生的专业判断。年轻医生需在扎实的临床训练中成长为"能驾驭AI的决策者"，而非"依赖AI的操作员"。这一观点反映了医学教育中人文关怀与专业能力并重的不可妥协性。