问题——如何把握新技术临床中的“可用”与“该用” 近年来，医学影像识别、辅助决策、病历生成等应用快速发展，一些医疗机构也在探索将涉及的功能嵌入挂号、问诊、检查、处方与病历书写等环节，以提升效率、缓解资源紧张。在该背景下，张文宏教授在1月10日于香港举行的高山书院十周年论坛上就医疗领域技术应用谈到，应警惕将相关工具系统性引入医院日常诊疗流程与病历系统的做法。他指出，自己可以将工具作为“先看一遍”的参考，但凭借专业经验能够迅速识别其错误；而对处在学习阶段的医生而言，一旦把工具结论当作答案，可能形成对临床判断的替代，带来能力结构性弱化的风险。 原因——效率诉求与能力培养之间存在张力 推动技术嵌入诊疗流程的直接动力来自效率与标准化需求。一上，门诊量大、病种复杂、文书负担重，客观上促使医院希望通过自动生成、智能提示等方式缩短流程、减少重复劳动；另一方面，医疗数据日益丰富，结构化病历与互联互通建设加速，也为新功能落地提供了条件。 但临床诊断本质上是建立病史采集、体格检查、鉴别诊断、证据权衡与动态随访基础上的综合推理过程，不同于单一题库式判断。特别是传染病、急危重症等领域，病情变化快、个体差异大，任何结论都需要医生在情境中反复验证。张文宏的担忧指向一个关键矛盾：如果培训体系在早期就让“结论”先于“思维”，医生可能逐渐失去从症状到证据、从证据到判断的路径训练，久而久之难以有效识别工具输出中的偏差与错误。 影响——隐蔽风险可能转化为质量与安全问题 从短期看，过度依赖工具的诱惑在于“省时、省力、看起来更规范”。但在复杂病例、非典型表现、合并症多、资料不完整等场景中，错误更可能发生在“看似合理”的环节。如果医生缺少独立判断与纠偏能力，风险就会从个体错误放大为流程性风险：一旦错误被写入病历、传递到后续检查与用药，可能形成链式偏差。 从中长期看，更值得警惕的是对人才培养的影响。住院医师规范化培训和专科训练强调循证思维与临床推理能力的形成，这既依赖病例积累，也依赖在不确定性中做判断的训练。若把“依赖工具得出结论”固化为工作方式，可能造成能力“空心化”，影响学科梯队建设与医疗质量的可持续提升。同时，责任界定、数据安全与隐私保护等问题也会随系统深度嵌入而更加复杂：当系统给出提示或自动生成内容，最终责任仍在医生与医疗机构，但医生必须具备足够能力去审查、质疑并作出最终决定。 对策——坚持以临床为中心，推动分级应用与制度护栏 业内人士认为，关键不在于“用或不用”，而在于“怎么用、用到什么程度、谁来负责”。在制度层面，可从几上构建护栏： 一是明确定位，把工具限定为“辅助”而非“替代”。在病历生成、诊疗建议等环节，应强化人工复核与签署责任，避免自动写入关键结论，防止形成“默认正确”的依赖。 二是实施分级管理与场景化试点。对低风险、重复性高、规则明确的任务可先行应用，如格式校对、信息结构化、随访提醒等；对高风险决策环节则应更审慎，建立准入评估、持续监测与退出机制。 三是把能力培养摆在更突出位置。住培与继续教育中可增加“工具使用规范”与“反向验证训练”，强调鉴别诊断、证据链构建和常见误差识别，确保医生在使用新技术时依然保持临床主体性。 四是完善数据治理与伦理规范。病历数据涉及隐私与安全，系统接入应遵循最小必要原则，强化脱敏、审计、权限与追溯；同时建立透明的质量评估体系，让输出依据、适用边界与局限性可被检查与解释。 前景——审慎推进将成为主基调，医疗数字化重在提质而非“炫技” 随着医疗信息化从“上系统”转向“提质量”，行业更需要在安全、有效、可控之间找到平衡点。可以预期，未来相关技术将更多以“后台质控、流程优化、临床文书减负”等方式嵌入，而对诊断结论、用药决策等核心环节会保持更严格的门槛与监管。技术进步带来的便利不应以牺牲临床能力为代价，真正的方向是让医生从机械劳动中解放出来，把更多时间投入到问诊沟通、综合判断与个体化管理上。
张文宏教授的观点提醒我们，在推进医疗技术创新的同时，必须坚守医学本质。医生的专业判断能力是医疗核心，这种能力需要长期实践积累。人工智能应作为医生的助手而非替代者。只有具备扎实专业能力的医疗队伍，才能真正用好新技术，为患者提供更优质的医疗服务。这种理性务实的技术观，对医疗事业发展具有指导意义。