在医疗领域，人们越来越担忧：随着医生对AI工具的依赖程度不断加深，其临床能力正在悄然退化。但更值得关注的是那些尚在培训阶段的医学生、住院医师和研究员——他们在尚未建立起独立临床判断力之前，便已开始使用这些工具。"技能退化"这一概念，前提是某人曾掌握某种能力而后逐渐失去。然而，眼下的危险不仅是退化，更是从未真正形成能力。一位忘记如何独立思考的医生或许还有机会重拾，而一位从未学会的医生，恐怕难以补救。
OpenEvidence是一款面向临床医生的AI问答工具，它让上述担忧变得更加具体。目前，约三分之二的美国医生在积极使用该工具，询问疑难症状、药物相互作用及临床指南，系统能在数秒内给出以最新研究为依据的答案。毫不意外，受训学员也开始以类似方式使用这一工具——但他们所处的，是一个更为关键的成长阶段。
举例来说，过去让学员列举鉴别诊断时，他们往往会努力思考却仍不够全面，在痛苦中学习自己的遗漏之处。而现在，学员只需询问OpenEvidence，便能得到几乎完美的答案——涵盖他们未曾考虑到的可能，也省去了遗漏时的尴尬。在临床实践中复述这样的答案，甚至会让指导医生觉得他们准备充分。
然而，这种"表现"恰恰掩盖了培训本应暴露的缺陷：挣扎本身才是学习的意义所在。与大多数职业相比，医学培训更像一种学徒制。医学生成为住院医师，住院医师成为研究员，研究员成为主治医生——每一步都由失败、不确定性和不断增加的责任所塑造。在多年重复练习与严格督导下，临床思维的习惯才会逐渐内化为医生的认知结构。
技术一直在改变医学的学习方式，从先进影像技术到电子病历，莫不如此。但AI有所不同——它不只是拓展了医生的感知能力，更嵌入了培训本应构建的认知机制之中。随着AI工具日趋强大，医生的角色越来越多地转向对AI的监督，有经验的临床医生或许凭借直觉与独立判断，尚能批判性地审视机器给出的答案。但对于那些与AI同步形成医学认知的学员来说，这种关系则更为复杂。他们真的能够质疑塑造了自己思维的那套逻辑吗？当那一代由AI培训出来的医生，成为负责发现AI错误的那代人时，会发生什么？如果任由学员不加节制地使用AI，我们可能在培养出真正能独立推理的医生之前，就已经培养出了一批监督推理过程的"管理员"。
这一问题的分量正在加重：《自然·医学》上的一项最新研究发现，像OpenEvidence这样依托最新医学文献的工具，其可靠性可能不如表面看起来那么高，在某些情况下甚至不如通用AI聊天机器人准确。对AI的过度信任，已经内嵌于学员今天所使用的工具之中。
需要指出的是，许多学员其实察觉到了这个陷阱，他们告诉我们，自己知道OpenEvidence这类工具可能会成为一根拐杖。但这些学员同时也感到进退两难：如果周围所有人都在借助AI看起来更加充分准备，选择不用就像是单方面缴械。因此，解决方案不能依赖个人自制力，必须在制度层面作出回应。
这正是为什么医学院和住院医师项目不仅需要规定学员是否可以使用AI，更需要规定何时可以使用。没有人能够——也不应该——监控每个人手机上的每一次搜索。但督导医生可以建立一个简单的预期：先独立思考，再咨询AI，并据此进行评估。学员应当将未借助AI的初步判断公开呈现，明确提出首选诊断，列出需要排除的高危可能，并说明下一步处理方案。在实践中，这可能意味着：住院医师在夜间收治患者后，先在病史和体格检查完成后撰写一份简短的"AI前评估"。而在查房时，若出现新的检验结果或症状变化，主治医生应在任何人查阅AI之前，暂停整个团队，询问这一变化如何影响诊断或治疗方案。
随着AI日益深度整合到医疗实践中，这样的做法会让人觉得繁琐而低效。但这种"阻力"是有其目的的：学习科学家伊丽莎白·比约克与罗伯特·比约克将其描述为"合意困难"——这类设置虽然会在当下降低表现，但从长远来看有助于技能的记忆保留与迁移应用。实际上，如果AI在独立尝试之后才被引入，反而可以成为一种有效的辅导工具，帮助学员发现自己的遗漏与过度强调。
然而，仅靠顺序安排可能还不够。航空领域提供了一个有益的先例：飞行员在训练时，并不是被要求避免使用自动驾驶，而是被要求保持手动飞行能力。美国联邦航空管理局甚至建议飞行员定期关闭自动化系统、进行手动飞行以维持技能水平。医学培训同样需要类似的纪律要求——学员应定期完成不依赖AI的案例训练，并通过对其独立推理的评估来发现潜在的能力漂移。
此外，学员还应学会主动审视AI本身。培训项目可以设计类似飞行模拟器训练的医学版演练，基于真实临床案例构建：例如，提供一份经过润色的AI生成评估报告，其中暗含一处微妙错误。演练结束后，主治医生不仅应复盘学员是否得出了正确答案，还应讨论他们在何时选择信任工具、何时提出质疑、以及何时发现了错误。同样重要的是，应当在训练材料中混入完全准确的AI输出，让学员培养的不是条件反射式的怀疑，而是有纪律的判断力。
以上种种，并非主张为了难而难地让医学培训更艰苦，也不是在将羞辱式教学浪漫化。每一代医学教育中，都存在将苦难等同于美德的诱惑，但独立推理诊断患者病情的挣扎，不是折磨，而是核心能力本身。
AI已成定局，患者也将从其速度与广度中获益。但患者同样需要那些能够在必要时刻跳出机器框架的医生——能够识别AI何时出错、何时不够完整、何时给出了正确答案却基于错误理由——这些医生的判断力不应臣服于AI之下。AI可以基于已有事实进行推理，但一位亲眼见过"看起来像肺炎的肺炎"、"看起来像心衰的肺炎"、再到"看起来像肺炎的心衰"的学员，会在床边积累起更为丰富的临床判断：什么值得关注，什么需要质疑，以及何时应当对熟悉的表现保持警惕。这正是医学培训所致力于培养的东西。AI应当是这一能力的增强工具，而非替代品。
Simar Bajaj是斯坦福大学医学院医学生及奈特-亨尼西学者，同时也是一位屡获殊荣的记者。
Joseph V. Sakran博士是创伤外科医生及公共卫生专家，现任约翰斯·霍普金斯医学院外科执行副主席。
Q&A
Q1：OpenEvidence是什么？学员在使用中面临哪些风险？
A：OpenEvidence是一款面向临床医生的AI问答工具，能在数秒内基于最新医学研究给出答案。目前约三分之二的美国医生在使用它。对于尚在培训阶段的学员而言，风险在于他们可能在尚未真正建立临床思维之前便依赖AI给出答案，表面上看起来准备充分，实际上却绕过了独立推理的过程，从而阻碍核心临床能力的形成。
Q2：医学院应该如何规范学员使用AI工具？
A：文章建议医学院和住院医师项目建立"先独立思考、再咨询AI"的结构性要求。学员应先完成不借助AI的初步判断，包括提出首选诊断、列出高危可能并说明处理方案，之后才能使用AI进行核对。此外，应定期安排完全不依赖AI的案例训练，以及类似飞行模拟器的演练，训练学员发现AI输出中的错误，培养有纪律的判断力而非盲目信任。
Q3：《自然·医学》的研究对AI医疗工具的可靠性有何发现？
A：该研究发现，依托最新医学文献的AI工具（如OpenEvidence）的可靠性可能不如表面看起来那么高，在某些情况下甚至不如通用AI聊天机器人准确。这意味着学员对此类专业AI工具的信任可能被高估，而这种误判的风险已经内嵌于他们日常使用的工具之中。
