来源：环球网
【环球网科技综合报道】8月13日消息，据The Guardian报道，当下人工智能工具深度融入医学学习与临床工作，为医务工作者查阅资料、梳理诊疗思路带来便利，但多国医学专家警示，医学生若过度依赖 AI，极易丧失独立诊疗推理能力，为未来临床行医埋下隐患，相关观点引发医学界广泛讨论。
斯坦福大学医学院医学生西马尔・巴贾杰、约翰斯・霍普金斯医学中心外科专家约瑟夫・萨克兰近日在《卫报》刊发文章，对医学生滥用 AI 开展医学学习的现状表达深切担忧。两位专家提出核心警示：医师若只是遗忘推理逻辑，仍有机会重新锻炼恢复；但如果求学阶段从未建立自主诊疗推理思维，后续很难弥补这一核心能力短板。
专家结合两组关键调研数据佐证风险。其一，行业内部统计显示，美国约三分之二临床医师日常会使用医疗专用 AI 工具 OpenEvidence，人工智能已全面渗透临床工作流程，医学生接触、使用 AI 的场景愈发常态化。其二，《自然・医学》刊发专项评估研究，对比多款医疗专用大模型与 ChatGPT、Claude 等通用大模型的医学问答能力，结果显示专业医疗 AI 答题准确度不及通用大模型，整体水平与谷歌 AI 概览持平，而后者长期存在答案不稳定、信息失真等突出缺陷，印证临床 AI 工具本身可靠性尚存明显短板。
在医学人才培养逻辑层面，AI 与传统医疗辅助技术存在本质区别。以往影像、检验设备仅拓展医生观察病情的边界，人工智能却直接介入医学生认知思维构建的核心环节。文章举例说明传统培养模式的价值：以往医学生独立梳理鉴别诊断清单，往往思考艰难、答案存在疏漏，正是这些不足与复盘反思，帮助学生补齐知识漏洞、积累临床思维；如今学生只需一键问询 AI，就能获取详尽完整的诊断方案，跳过独立推演、查漏纠错的关键学习过程，失去夯实推理能力的锻炼机会。专家强调，医学学习中深度、费力的自主思考，是掌握临床思维不可或缺的核心环节，AI 无法替代这一内化成长过程。
针对上述问题，两位业内专家提出两类可行规范路径，为医学院校优化教学模式提供参考。一是常态化开展无 AI 辅助独立病例实操训练，参照民航管理部门要求飞行员定期关闭自动驾驶、手动操控飞行的思路，强制医学生脱离人工智能独立分析病例、推导诊断，持续锻炼原生临床思维；二是合理发挥学习反馈带来的约束作用，正视独立思考出现疏漏后的反思价值，引导学生正视思考短板，主动减少对 AI 工具的惰性依赖。（纯钧）
热门跟贴