“AI只是提供线索。它可以提出‘可能’，却不能代替我们做出‘判断’；它可以生成假说，却无法承担验证的责任。”
“我们可以依靠人工智能模型，但更要相信严谨的实验和对生命的敬畏。”
“人类医学的进步，从来都是从空白处落笔。”
“你们必须清醒认识它的边界，更要保有作为人类医者的主动性、判断力与道德担当。”
“未来的医学，属于懂人工智能的人，更属于能把人工智能置于正确位置的人。”
在浙江大学医学院2026届毕业生大会上的讲话
中国科学院院士、浙江大学医药学部主任 黄荷凤
（2026年6月28日）
亲爱的2026届全体毕业生同学们：
首先，我谨代表浙江大学医学院全体师生，向你们完成学业圆满毕业表示祝贺！向多年来辛勤培育你们的老师，始终默默支持你们成长的家人，致以诚挚的感谢！
今天，我想从一个孩子的故事说起。这是一个真实发生在我们临床一线的罕见病诊疗案例，它看似孤独，却折射出这个时代医学的本质之问：当人工智能全面融入医疗全链条，我们该如何做一名真正有力量的医生？又该如何成为一名敢于探索未知、推动医学进步的创新医者？
几年前，我们接诊了一位特殊的患儿。她患有严重的全面性发育迟缓、肌张力低下、听力缺损、胼胝体发育不全、脑室扩张、巨脑回畸形，同时合并先天性心脏病和特殊面容。凭借临床经验，我们推测这可能是hnRNPK基因新发突变导致的Au-Kline综合征，这是一种多系统损害的显性遗传罕见病。
但真相是否如此？带着这个问题，我们回归床旁，细致梳理病史和家族史，更令人心痛的是，这个家庭此前已失去过一个症状相同的孩子。考虑存在遗传疾病可能性，所以我们进行了家系基因测序，然而第一轮分析结果显示，所有已知的致病基因库中均未找到能解释她病情的线索，仿佛在黑暗中走进了一条死胡同。
这是罕见病研究中最常见的困境，也是最具挑战性的起点。数据库里没有答案，文献中没有先例。医学上类似的疑难杂症或许都会止步于此。但医学的突破口，往往就诞生于这片“无人区”。
我们没有停下脚步，而是对原始测序数据进行重分析，最终在患儿中鉴定出从未被报道过的RBM42基因的两个复合杂合变异，一个来自母亲，一个来自父亲，各自携带“错位”的指令。仔细分析发现，RBM42基因与Au-Kline综合征致病基因hnRNPK蛋白存在物理连接，这为我们指明了方向。
然而，前方仍是迷雾：即便是罕见病领域最强大的匹配平台GeneMatcher，也未检索到任何相似病例。
这时，人工智能发挥了极大的作用。利用深度神经网络（DNN）从海量基因组数据中自动学习特征，实现有害变异预测。借助AI结构预测工具AlphaFold，我们模拟了RBM42变异蛋白的立体结构，发现其中一个突变如同钥匙插错了锁孔，导致整个“蛋白质工厂”运转失常；另一个变异则更为严重，直接让蛋白生产线停工。
进一步，我们使用AI驱动的新一代变异预测工具AlphaMissense和PrimateAI对错义变异进行致病性评估。结合AlphaFold的蛋白质结构框架和大规模人群数据库gnomAD微调训练，给出了高达99.89%的致病概率。
接下来，还需整合多维生物信息学证据进行交叉验证，SpliceAI、DeepSplice等深度学习模型评估了变异对剪接位点的潜在影响；跨物种比对揭示了变异蛋白位点从真菌到人类高度保守；gnomAD数据库确认了这两个变异在普通人群中均为零频率。所有线索均指向同一方向，相当于借助人工智能帮我们快速圈定了“嫌疑人”。
过去，我们依赖保守性分析、位置权重矩阵、固定剪接信号等人为设定的规则，预测能力极其有限，尤其对新型变异束手无策。而今天的AI能自动从海量基因组数据中学习复杂模式，实现快速、高精度的预测。但这些AI工具本身并没有替我们完成发现。
请永远记住：AI只是提供线索。它可以提出“可能”，却不能代替我们做出“判断”；它可以生成假说，却无法承担验证的责任。
真正的定案需要实验室里的“铁证”，我们可以依靠人工智能模型，但更要相信严谨的实验和对生命的敬畏。我们没有停留在生物信息学预测层面，而是推开实验室大门，开启了一场漫长而严谨的“湿实验”求证之旅。细胞实验、免疫共沉淀、真菌互补实验、动物模型、转录组测序，多维度、独立来源的证据汇聚成了闭环，最终证实：RBM42复合杂合双基因变异，是一种全新的综合征性神经发育障碍的致病原因。
基于这一明确的遗传诊断，我们为这个家庭提供了精准的再发风险评估和遗传咨询，并协助他们通过胚胎植入前遗传学检测（PGT），成功孕育并分娩了一名健康的宝宝。当我第一次看到那个健康婴儿的照片时，我深知：我们所做的，不仅填补了基因图谱的空白，而且拯救一个濒临绝望的家庭，更是改变了全世界类似患者获得诊治的机会。
同学们，我为什么要讲这个故事？
因为你们即将步入的时代，是一个被算法、数据和人工智能洪流裹挟的时代。很多同学心中难免困惑：多年苦读医学，面对行业规则、诊疗模式的快速迭代，职业发展路径充满迷茫，我们该怎么看病、怎么真正帮到患者、怎么开展医学创新？我今天想郑重告诉你们：AI不会取代医生，但它将彻底改变医生的角色。
未来的医学，不再是单纯的经验积累或知识搬运，而是“碳基智慧”与“硅基智慧”的共舞。AI将成为像显微镜、测序仪一样的基本工具，成为医学研究与临床实践的基础设施。你们必须学会驾驭它，否则将难以立足；但更重要的是，你们必须清醒认识它的边界，更要保有作为人类医者的主动性、判断力与道德担当。
因此，在你们启程之际，作为师长，我想送给大家三句叮嘱，也是一份期许：
第一，主动拥抱AI，但永远不要把判断力交给AI。
让它成为你的“导航仪”，帮你快速检索文献、解析结构、筛选变异；但你要始终做那个“掌舵的船长”，用临床直觉、批判性思维和伦理考量决定最终的航向。你可以用AI发现线索，但必须用自己的眼睛观察患者的表情，用自己的耳朵倾听他们的诉说，用自己的心感受他们的不安与期盼。人工智能是臂膀，不是大脑；算法是参考，不做医学定论。
作为浙大医学人，真正要掌握的核心竞争力，是将AI的效率优势与人类的认知、情感、创造力相结合。共情沟通、临床直觉、生命关怀、有温度的决策，这些独属于你们的竞争力，才是你们走出校门的底气。
第二，善用数据库，但永远不要被“空白”吓退。
当系统提示“无相关病例报道”“未见致病性证据”时，请记得：人类医学的进步，从来都是从空白处落笔。真正的创新医者，是在无人走的路上，为患者多走一步的人。数据库承载的是过去的共识，而你要创造的是未来的知识。真正的科学创新，需要人类去提出值得追问的问题，去识别数据背后真实的案例，去证实或者证伪自己的科学假说。要敢于在阴性结果面前调整方向，在不确定中保持诚实与清醒，在一次次失败后仍愿意重新设计实验、重新思考机制。正如我们在病例中经历的：没有现成答案，就自己去找；没有动物模型，就亲手建立；没有同类病例，就用功能实验说话。医学的进步，靠求真求实；医学的尊严，靠仁心仁术。
第三，追逐医学创新，但更要敬畏生命本身。
一个孩子不是一组编码，一个家庭不是一份测序报告，一种疾病也不仅仅是一篇论文的标题。理解疾病表型，需要从纷繁症状中提炼核心；验证基因功能，需要亲手设计并执行实验；权衡致病证据，需要在矛盾信息中做出判断；与患者共情沟通，需要在不确定性中传递希望；考量伦理问题，需要评估医学建议可能带来的个人和社会风险；承担医疗责任，需要为每一个结论署名、负责。这一切，都无法由AI完成，AI没有姓名，也没有肩膀去承担重量。
同学们，你们生逢其时，也重任在肩。你们是第一代完整接受AI赋能教育的医学生，也是最有潜力成为“创新型医师”的一代。愿你们走出浙江大学求是园后，善用智能科技，不失医者仁心；直面世事变数，不失从医初心；敢于试错调整，不失前行耐心。勇敢地做填补医学空白、攻克人类顽疾、惠及全球健康的医者。借人工智能之精准，固临床决策之主见。
未来的医学，属于懂人工智能的人，更属于能把人工智能置于正确位置的人。让AI做我们的探路先锋和得力助手，而让人类继续做提出问题的人、辨认真相的人、守护患者的人。
祝贺你们，毕业快乐！前程万里！去创造属于你们这一代医者的奇迹吧！
谢谢大家！
来源：浙江大学医学院
“点赞”“爱心”，让更多人看到
热门跟贴