在医疗行业数字化转型加速推进的背景下，人工智能技术与传统医疗培养体系的碰撞正引发新的思考。国家传染病医学中心（上海）主任张文宏教授近日公开表达了对医疗AI应用的审慎态度，其核心关切聚焦于人才培养此医疗体系的长远命题。 问题核心在于技术应用与人才培养的平衡。张文宏指出，现行医师培养遵循严格的阶梯式成长路径，从病历书写、基础诊断到复杂病例处理需要数年系统训练。而AI系统的直接介入可能改变这一培养逻辑，使年轻医生跳过关键成长环节。他以诊断流程为例说明：当AI直接提供诊断建议时，缺乏经验的医生可能难以判断结论的准确性，这种"技术依赖"将弱化临床思维能力的培养。 这一观点背后反映的是医疗教育领域的深层矛盾。随着三级医院年接诊量持续攀升，AI辅助确实能提升工作效率。据统计，某省级三甲医院引入智能病历系统后，门诊病历完成时间缩短40%。但效率提升的同时，教学医院发现住院医师的病史采集和初步诊断能力出现下滑趋势。北京某医学院的跟踪研究显示，使用AI辅助组的规培医师在盲测考核中，基础诊断准确率较传统培养模式组低12个百分点。 行业应对此保持辩证认识。，张文宏并非全盘否定技术价值。作为日均接诊超百例的专家，他坦言在处理疑难杂症时会借助AI进行初步筛查，但强调这建立在数十年临床经验基础上。"技术应该是专家的工具，而非初学者的拐杖"，这一表述揭示了问题的关键——技术应用的适格性。目前部分试点医院已探索出折中方案，如设置AI系统的"教学模式"，在规培阶段选择性屏蔽部分高级功能，确保基本功训练。 展望未来，医疗智能化不可逆转，但路径选择需审慎。国家卫健委最新指导意见提出，2025年前将建成100家智慧医院示范单位，但特别强调要建立适应新技术的人才培养配套方案。专家建议，可借鉴航空业"模拟机+实机"的培养模式，在保障医疗安全的前提下，科学设计人机协同的培训体系。上海市医教部门正在研究将AI辅助诊疗能力列为医师继续教育必修内容，以提升整体人机协作水平。
张文宏的观点提醒我们，技术进步并非总是线性向好。在医疗这样关乎生命的领域，引入新技术需要更加谨慎。AI为医学发展带来了新的可能性，但也对医学教育、医疗伦理和人才培养提出了新的挑战。真正的进步应该是在充分认识技术优势和局限基础上——制定科学合理的应用策略——既要让AI为医疗服务，也要确保医学专业人才的培养不因技术而削弱。这需要医学界、教育界和管理部门的共同思考和协作。