张文宏的清醒提醒：AI 进病历，会 “惯坏” 年轻医生吗？

2026 开年，国家传染病医学中心主任张文宏在高山书院论坛上的一番表态引发医疗圈震动：“在我们医院，我拒绝把 AI 引入病历系统。” 这番看似 “逆技术潮流” 的言论，并非否定 AI 的价值 —— 张文宏坦言自己也会让 AI “先看一遍” 病例，而是直指医疗行业的核心隐忧：当 AI 成为病历书写的 “标配工具”，年轻医生是否会跳过关键的临床思维训练，最终丧失鉴别错误、独立诊疗的核心能力？

AI 赋能医疗已成为不可逆转的趋势，电子病历生成更是被视为缓解医生文书压力的 “利器”。但张文宏的提醒如同一剂清醒剂，让行业重新审视：技术便利的背后，我们是否正在牺牲医学人才培养的核心根基？AI 进病历，究竟是解放生产力的助力，还是可能 “惯坏” 年轻医生的 “思维拐杖”？

一、争议核心：AI 进病历，到底在争夺什么？

AI 与病历的碰撞，本质是医疗行业 “效率诉求” 与 “人才培养” 的博弈，而张文宏的反对，恰恰击中了这场博弈的关键矛盾点。

1. 医院追捧 AI 病历的现实逻辑

在三甲医院，医生日均需处理数十份病历，每份病历书写平均耗时 45 分钟，“白天看病、晚上写病历” 是行业常态。AI 的出现，让主诉、现病史、既往史等内容可一键生成，书写时间缩短至 8 分钟，漏记率从 25% 降至 3%，大幅缓解了文书压力。

更重要的是，AI 生成的病历格式规范、要素齐全，能轻松通过医保结算和病历质控的合规检查，这成为很多医院管理者默许 AI 介入的重要原因。在部分垂直专科领域，经过海量数据训练的 AI，甚至能产出比年轻医生更规范的 “80 分病历”，短期内拉高了医疗质量的下限。

2. 张文宏警惕的深层风险：临床思维的 “退化危机”

张文宏的核心担忧，从来不是技术本身，而是人才培养体系的崩塌。医学教育的精髓，从来不是 “写出病历” 的结果，而是 “构建病历” 的过程 —— 当医生面对 “胸痛” 患者记录病情时，大脑需要同步完成剧烈的逻辑推演：是心梗？夹层？还是气胸？每一个症状的记录、每一个鉴别诊断的排除，都是临床思维的闭环训练。

一旦 AI 直接给出 “标准答案”，年轻医生就会跳过这个痛苦却必要的思考过程。约翰斯・霍普金斯大学的研究显示，长期依赖 AI 的医生，独立判读能力三年内会下降 18%，住院医师误诊率反而高出 22%。正如张文宏强调的：“只有当医生的专业能力足以‘俯视’AI 时，AI 才是工具；否则，它就是风险。”

二、AI 进病历的三大隐忧：比 “惯坏” 更值得警惕的风险

张文宏的拒绝，背后是对医疗行业本质的深刻认知。AI 介入病历系统，带来的不仅是年轻医生能力培养的问题，更潜藏着医疗安全、责任界定、人文关怀的多重隐患。

1. 临床思维 “空心化”：从 “思考者” 到 “操作工” 的退化

病历书写是年轻医生建立疾病认知、锤炼诊疗逻辑的核心载体。通过询问病史、梳理症状、整合检查结果，医生才能逐步构建完整的疾病谱认知，掌握 “因果推演” 的能力。

而 AI 生成病历的模式，让年轻医生沦为 “复制粘贴者”。他们无需再深入思考症状背后的病理机制，只需修改 AI 给出的模板，长此以往，将丧失独立处理复杂病例、罕见病的能力 —— 当 AI 遇到数据边界之外的新发疾病或特殊并发症时，习惯了 “标准答案” 的医生，可能连识别错误的能力都没有。

2. 医疗安全 “黑箱陷阱”：AI “幻觉” 可能酿成致命错误

AI 本质是基于概率的统计模型，其生成的内容存在 “幻觉” 风险 —— 曾有 AI 系统将支气管炎误判为肺癌，把正常血管变异当成肿瘤，这类错误若被直接写入病历，可能引发严重误诊。更棘手的是，AI 的推导过程无法追溯，形成了难以穿透的 “黑箱”。

资深医生如张文宏，能凭借几十年经验快速甄别 AI 的错误，但缺乏系统训练的年轻医生，很可能将 AI 的输出奉为圭臬。一旦出现医疗事故，责任归属将成为无解难题：是医生未履行校验义务，还是技术提供方算法存在缺陷？目前行业尚无明确规范。

3. 医学人文 “被稀释”：冰冷数据替代温度诊疗

病历不仅是法律文书和诊疗依据，更承载着医学的人文关怀。医生在书写病历时，会考虑患者的经济状况、心理状态，用共情的语言记录病情 —— 而 AI 缺乏这种人文感知，曾有系统将舍不得买自费药的老人直接标记为 “依从性差”，这种机械判断可能伤害医患信任。

张文宏始终强调，医疗的核心是人与人的信任。当病历变成 AI 生成的标准化文本，医生与患者之间的情感连接也会被弱化，医学将逐渐丧失其应有的温度。

三、破局之道：不是拒绝 AI，而是给 AI 划清 “边界”

张文宏的提醒，绝非呼吁医疗行业退回 “无 AI 时代”，而是倡导建立 “医生主导、技术辅助” 的理性模式。AI 不是洪水猛兽，关键在于明确其应用边界，让技术服务于医疗本质，而非替代医学核心能力。

1. 明确 AI 的 “辅助定位”：做 “效率工具” 而非 “决策主体”

AI 的价值应聚焦于处理重复繁琐的机械性工作，而非替代核心思考。协和、瑞金等教学医院已试点 “先手写、再 AI 校对” 的模式：医生先独立完成病历初稿，再由 AI 辅助优化格式、补充遗漏要素、校验合规性，既提升效率，又保留了临床思维训练的过程。

张文宏也支持 AI 在非核心环节发挥作用，比如医学文献检索、治疗方案参考、数据整理等。让 AI 承担 “跑腿”“记账” 的工作，医生则专注于病情研判、医患沟通等核心环节，才是技术赋能的正确方向。

2. 重构人才培养体系：在 AI 时代守护医学基本功

面对技术冲击，医疗教育需要建立新的培养模式。一方面，要强化临床思维训练的核心地位，要求年轻医生在实习、规培阶段必须独立完成一定数量的病历书写，通过 “以写促思” 锤炼基本功；另一方面，要增设 AI 应用课程，教医生如何正确使用 AI、鉴别 AI 错误，将 AI 素养纳入医学教育体系。

医院管理者也应承担起责任，不能为了短期效率牺牲人才培养。可以通过建立 “AI 使用分级制度”，让资深医生自主选择是否使用 AI，而年轻医生则需经过考核后，在指导下有限度使用，确保临床思维的完整养成。

3. 完善行业规范：给 AI 立规矩，明责任

要让 AI 安全地进入医疗场景，必须建立全生命周期的监管体系。首先，应明确 AI 病历的准入标准，要求技术提供方公开算法逻辑，提升可解释性，降低 “幻觉” 风险；其次，要界定责任划分原则，明确医生对 AI 生成内容的最终校验义务，同时规范技术提供方的赔偿责任；最后，需加强数据安全保护，防范 AI 介入后患者隐私泄露的风险。

行业层面也应摒弃 “一键生成病历” 的激进模式，引导 AI 向轻量级应用发展，比如合规校验、术语规范、数据结构化等，在安全可控的前提下发挥技术价值。

四、结语：技术永远服务于医学本质，而非替代

张文宏的拒绝，是对医疗行业初心的坚守。医学的核心是 “人”，是医生的专业判断、临床思维与人文关怀，这是 AI 永远无法替代的。AI 可以提升效率、优化流程，但不能成为年轻医生成长的 “绊脚石”，更不能动摇医疗安全的根基。

医疗行业的技术革新，从来都不该是 “非此即彼” 的选择。我们既不需要盲目追捧 AI，将其视为解决一切问题的 “万能钥匙”；也不必因噎废食，拒绝技术带来的进步。关键在于守住 “医生主导、技术辅助” 的边界，让 AI 成为年轻医生攀登医学高峰的 “阶梯”，而非停滞不前的 “舒适区”。

正如张文宏所警示的，十年、二十年后，当看着 AI 病历长大的一代医生独立执业时，我们需要确保他们依然具备鉴别 AI 错误、处理复杂病例的能力。唯有如此，技术才能真正服务于医疗本质，既让医生轻装上阵，也让患者得到更安全、更有温度的诊疗服务 —— 这才是 AI 赋能医疗的终极意义。

文章来源自网络，由CHN大健康网整理发布，不代表本平台的观点和立场。如有内容或图片的著作权异议，请及时联系我们（info@healthcarechn.com），我们将尽快处理。