医学生依赖AI，何谈独立判断？

医疗行业正面临一个前所未有的悖论：AI工具让医生变得更“聪明”，却可能让下一代医生永远学不会独立思考。当医学生还没建立起自己的临床判断力，就开始依赖AI聊天机器人获取答案时，危险的不只是“技能退化”——而是“从未掌握技能”。 OpenEvidence，这款专为临床医生设计的AI聊天机器人，正把这一担忧变成现实。目前约三分之二的美国医生在使用它，输入疑难症状、药物相互作用或临床指南问题，几秒内就能获得基于最新研究的答案。医学生和住院医师同样在大量使用，但他们正处于最关键的成长期。过去，医学生被要求列出可能的诊断时，会绞尽脑汁、给出不完整的清单，然后从遗漏中学习——这个过程有时很痛苦，但正是这种挣扎塑造了临床思维。现在，他们只需问OpenEvidence，就能得到近乎完美的答案，包含他们从未想过的可能性，还避免了遗漏的尴尬。在病房里复述这个答案，会让学员看起来准备充分，甚至给带教医生留下好印象。 但这种“表现”恰恰掩盖了培训本该暴露的缺陷：挣扎本身就是重点。医学培训比其他大多数职业更依赖学徒制——学生成为住院医师，住院医师成为专科培训医生，专科培训医生成为主治医师，每一步都由失败、不确定性和不断加大的责任塑造。通过多年的重复和严格监督，临床推理的习惯逐渐内化为医生思维的一部分。技术一直在改变医学学习方式，从先进影像到电子病历，但AI不同——它不仅扩展了医生能看到什么，还直接插入到培训本该构建的认知机制中。随着这些工具越来越强大，医生的角色越来越像“监督者”，经验丰富的临床医生或许有足够的直觉和独立判断来批判性评估机器的答案。但对于那些对医学的理解正在与AI同步形成的学员来说，关系就复杂得多——他们真的能质疑塑造了自己思维的那个推理过程吗？当由AI培训出来的一代人，成为负责发现AI错误的一代人时，会发生什么？如果不加约束地让学员使用AI，我们可能在培养“推理的监督者”之前，先制造了“推理的缺席者”。 这个问题的紧迫性正在加剧：《自然·医学》最近一项研究发现，像OpenEvidence这样从最新医学文献中提取答案的工具，可靠性可能比表面看起来更低，在某些情况下甚至不如通用AI聊天机器人准确。信任错位的问题已经嵌入到今天学员正在使用的AI中。值得肯定的是，许多学员自己也察觉到了这个陷阱——他们告诉我们，知道这些工具可能出错，但面对效率和完美答案的诱惑，很少有人能真正抵抗。