近日，在一场公开的行业论坛上，国家传染病医学中心（上海）主任张文宏因“拒绝将AI引入其所在医院的电子病历系统”的发言被推上风口浪尖。
拆解张文宏的完整发言，里面的观点可为两部分。首先，他处理的患者病历数量太多，自己会在日常诊断中使用AI，常发现AI生成的结果存在错误；
其次，他认为医院电子病历系统引入AI后，医生的培训过程将明显改变。原本需要经过实习医生、住院医师、高职级医生的历练，现在借助AI便能创造“捷径”，直接生成与资深医生类似的诊断结论。
这两种情况共同作用，小则打乱了医生的学习进程，大则无中生出医疗隐患。
站在临床的角度，张文宏对于AI的审慎立场可以理解，毕竟医疗安全关乎患者生命。同时，孕育AI的数据本身就来源于这些资深医生长年累月的积累，他们的判断与鉴别能力在绝大多数情况下比AI更准确。
但在现实之中，三级医院的医生长期面临海量患者的诊疗压力。相比追求绝对的精准，他们更需要的是在决策过程中做好“准确与效率的平衡”。
如今优质医疗资源缺失仍是常态，有机会优化诊疗平衡的AI工具，或许不应该被简单地排斥在医生的工作流之外。
最受欢迎的医疗AI工具？
过去一年中，《健闻咨询》陆续访谈了30多位经常在工作中使用医疗AI工具的三级医院医生。在回答“什么样的AI工具最好用”时，超过70%医生选择了和电子病历相关的医疗AI应用。
广东某头部三级医院信息科主任李行（化名）告诉《健闻咨询》，电子病历涉及的AI功能很多，包含智能录入、智能生成、临床质控、CDSS（临床辅助决策系统）等，他所在的医院使用质控、CDSS及病历生成应用比较多。
“拿CDSS来讲，它能根据患者的检查结果给出一些建议，进而缩短医生思考的时间以及书写病历的时间。目前所有引入了相关AI的科室表现都不错，大概能够提升医生15%～20%的工作效率。”
此外，当下的AI电子病历多数都做到了实时质控+内涵质控，既能随时提醒医生的书写错误，又能在写好之后找到整份病历的逻辑错误，有效降低医生在病历方面的出错率。
李行表示，AI电子病历的临床价值是明确的，但由于涉及业务比较广泛，他没法给出具体的指标来衡量AI对于业务层面的效率提升。
除了信息科外，一些临床科室也乐于引入AI工具，缩短工作流中繁琐的报告书写流程。
以放射科为例，常规流程下放射科医生需要先逐层浏览影像，再去报告模板里描述他在放射影像中的所见，形成影像学结论。但现在许多AI厂商将AI应用内嵌于PACS系统中，在生成CT、MR影像的同时直接生成影像报告。
通过这种方式，影像科的工作流程在事实上被改写了。过去需要一个医生写报告，另一个医生审核报告。如今在AI赋能下，医生只需要做好审核、调整的角色，人力被极大解放，科室的经营效率也显著提升。
还有一部分医生存在科研需求，需要先把影像报告进行“结构化”。这是一个很耗时的工作，“结构化”一份报告大概需要花费医生不下半小时的时间。而在AI的帮助下，医生的工作方式由“自行归纳”转变为“关键词勾选”，甚至可以用大模型直接把关键词及对应关键数据生成出来。
回顾上述两个案例，我们可以发现，AI电子病历在临床中的价值路径和张文宏描述的场景有所区别。
张文宏强调的是AI的“生成能力”，认为该能力达不到开箱即用的标准，且普通医生没有识别能力，无法对AI生成的内容进行纠错。
但在绝大多数情况下，信息化企业与三级医院普通医生通常更为强调“人机协同”，即在信任医生现有水平的基础上，将其定义为“审查者”的角色，将主要工作的内容书写报告转变为纠错报告，因而医生会投入精力与时间对生成内容进行审核。
需要注意的是，伴随大模型的不断发展，现有的AI已经增强了它的解释性，它能将生成结论的逻辑向医生展示，因而一定程度上降低了医生的纠错难度，甚至还能帮助医生通过纠错过程强化循证逻辑，加速自身成长。
因此，AI的出现虽说在一定程度冲击了三级医院医生的传统学习流程，但也展现出了另一条更为高效的成长路径。其中的利弊，我们或许不能单凭个人经验得出结论，还要综合考虑更多临床场景下的真实需求。
存在抵触，但不会逆转
在三级医院，AI有机会做到在提质增效的前提下助力医生成长。但在更为基层的医疗机构中，张文宏的担忧确实戳中了它们的痛处。
相较于过去聚焦头部医院的策略，现在的医疗AI产品主打下沉——哪里缺乏能力充分的医生，企业就将AI应用落在哪里。
和三级医院相比，基层医疗机构的医生在诊断能力上存在一定差距。且当AI生成的答案与实际相悖时，他们即便发现了问题，也可能无法快速找到一个能够帮他们精准答疑的资深医生，进而错失学习机会，最终导致惰性的产生。
但上述问题并非没有答案。数智行业常拿自动驾驶技术与医疗AI进行对比，因为两者都需要研发者为使用者的生命安全负责，因此对性能要求极为苛刻。
过去十年，自动驾驶已经发生了肉眼可见的变化，由概念技术前进至L3级有条件自动驾驶，一线城市随处可见试点的自动驾驶测试公路。
而同一时期内，医疗AI也由最初的辅助诊断工具逐步切入治疗环节，形成了全病程全模态的赋能，鲁棒性及准确性均实现了突破性提升。
现在的问题是，部分三级医院的资深医生依然对AI存在抵触心理。一位受访医生告诉《健闻咨询》，在院内训练大模型时，很多资深医生并不愿交出自己的诊疗相关数据，“他们会觉得这是个人的知识成果，不愿意直接交给医院，转化成一种公共产品。”
“现有的很多AI工具背后是规则库，不带自我训练功能。”一位AI医疗厂商负责人表示，选择这样的产品，并不是出于技术难度的考虑，而是一些合作医院的专家不愿自己的数据被采集，“如果能够基于院内的数据进行自我训练，AI所带来的提效会更为直观。”
但无论这个过程有多长，一个基本的行业共识是，伴随高质量临床数据的不断加入及算法的持续优化，医疗人工智能的准确性必然会向“1”无限趋近。
再谈培训方面，AI为医生带来的不仅是效率的提升，更是知识获取速度的提升。作为一项需要终身学习的职业，AI纵然不能缩短本科、规培阶段的时间，但能提升他们在临床环境中的学习速度，缩短成为高资历医生所需的时间。
目前市面上已经有大量教培一体化的AI模型出现，亦有不少学校（如哈佛大学）开始在教学阶段引入AI课程。
因此，身处传统与智能的时代交错点，医院、医生、企业或许需要协同探索一种新的合作模式来量化价值，化解矛盾，共同迎接AI时代的来临。
毕竟，时间总会补足AI的能力缺陷，智能化趋势已不可逆转。
举报 文章作者
健闻咨询
相关阅读
王小川，计划再造一个IPO百川智能瞄准2027年上市，目前账上还有近30亿资金。
8 663 01-13 20:24
三甲医院训出来的顶配大模型，为什么一到基层就“失灵”？这条路，或许远比我们想象的要难走得多。
209 01-13 09:37
讯飞、支付宝、百度连拿上亿大单，医疗AI商业化要走通了？医疗大模型企业近期在中标政府医疗采购项目中取得突破，讯飞、支付宝、百度分别获得上亿元项目订单。
116 2025-12-25 13:13
大三甲陷在数据里：AI论文数量飙升、信息科被动转型、半条命交给大厂三甲医院临床医生的科研重点正从传统药械研究转向真实世界数据、人工智能模型和医疗智能体研究。
126 2025-12-11 09:48
手术机器人已接近自动驾驶L3级，“具身智能”会是医疗AI的完全进化体吗？医疗AI领域正在积极探索具身智能技术在手术、康复等场景中的应用，但技术成熟度、数据不足及伦理挑战等因素使其商业化落地面临诸多困难。
32 2025-12-02 09:50 一财最热 点击关闭泓川证券提示：文章来自网络，不代表本站观点。
