AI进入医疗以后，大家热议的话题：医生会不会被替代？但最近西安这起“医生对着豆包念诊断结果”的事件，把问题推到了更现实的位置：医生不是被AI替代，而是主动把自己的诊疗判断交给AI。据多家媒体报道，陕西西安一名男子带家人到灞桥区某医院骨科就诊，家属称接诊医生将患者口述症状输入“豆包”AI，随后照着AI生成内容念出诊断意见；报道中还提到，医生全程未做查体，也未查看患者携带的影像资料。患者家属认为，自己挂的是专家号，期待的是医生基于经验、查体、影像和病史作出判断，而不是让患者成为AI问诊的素材。公众真正愤怒的，并不是医生查询资料，也不是医生使用数字工具。医学本来就需要不断查指南、看文献、核对用药、参考辅助系统。对于复杂病例，医生借助AI整理资料、提示遗漏、生成病历初稿，本身并非不可接受。真正的问题：AI如果直接替代问诊、查体、阅片、鉴别诊断和治疗决策，医疗行为就变味了。线下门诊的核心价值，不是医生把患者描述复制进一个软件，再把软件答案读出来。患者来到诊室，是为了让医生完成一条完整的临床判断链：
其中任何一环被偷懒，都可能带来误诊、漏诊和信任损伤。《中华人民共和国医师法》明确规定，医师在执业活动中应当遵循临床诊疗指南、遵守临床技术操作规范和医学伦理规范，尊重和保护患者隐私及个人信息；医师实施医疗、预防、保健措施，签署有关医学证明文件，必须亲自诊查、调查，并按规定填写病历等医学文书。
国家卫健委发布的《医疗质量安全核心制度要点》也强调，首诊医师在一次就诊过程结束前或由其他医师接诊前，应负责患者全程诊疗管理，并保障诊疗行为可追溯。诊断责任不能外包。查体责任不能外包。病历责任不能外包。解释沟通责任不能外包。医疗后果更不能外包。AI最多只能是辅助工具。这起事件还对应了JAMA近期一篇观点文章提出的风险：AI时代最危险的不只是医生“技能退化”，而是年轻医生还没有真正形成临床能力，就已经习惯让AI直接给答案。Keren、Desai和West在JAMA发表的《Promoting Clinical Expertise in the Age of AI: No Struggle, No Mastery》中指出，AI正在从减少行政负担、辅助简单任务，逐步进入资料总结、结果解释、诊断形成和治疗计划制定等高阶临床任务；由此带来的风险包括deskilling、mis-skilling，以及对医学生、住院医、专培医师影响更深的“never skilling”。“never skilling”，不是把已经会的能力忘掉，而是从来没有真正学会。临床能力不是靠看标准答案长出来的。一个年轻医生面对患者疼痛、发热、贫血、血小板低、胸痛、腹痛、影像异常时，真正重要的训练不是马上看到AI给出的“可能诊断列表”，而是自己从病史、体征、实验室检查、影像表现中一步步推理。这个过程慢、累、容易出错，也需要上级医生不断纠正。医学训练的核心恰恰在这里。没有费力思考，就没有临床直觉。没有病例磨炼，就没有专家判断。没有被追问、被纠偏、被反馈，就没有“知道自己不知道”的能力。Nature Medicine关于医学教育中“AI-induced never-skilling”的文章也提出类似观点：AI并非天然有害，关键在于何时引入、如何引入；医学训练需要先建立不依赖AI的基础能力，再通过结构化教学建立校准能力，随后在监督下整合AI。这件事虽然发生在门诊诊疗场景，但对检验同样有现实意义。AI辅助审核报告、识别异常结果、提示危急值、辅助阅片、辅助病理图像识别，都会越来越常见。国家药监局器审中心已发布《人工智能医疗器械注册审查指导原则》，用于规范人工智能医疗器械生命周期过程和注册审评要求。一种是经过注册、验证、院内部署和流程管理的医疗AI系统；另一种是面向公众开放的通用AI工具。前者可以在明确适用范围、性能边界、质量控制和责任归属的前提下进入临床流程。后者即使回答流畅，也不能直接作为诊疗依据，更不能替代专业人员审核。对于检验科而言，AI可以帮助发现异常组合，比如贫血合并炎症指标升高、肝肾功能异常、凝血结果矛盾、危急值遗漏风险。但检验报告审核、质量控制判断、标本状态评估、临床沟通和结果解释，仍然必须由具备资质和经验的专业人员完成。AI进入医疗已经不可逆。真正需要建立的，不是简单禁止，而是制度化边界。- 哪些AI可以用：是否经过注册、验证、院内审批，是否符合数据安全和隐私保护要求。
- 哪些场景可以用：病历整理、辅助提醒、科研检索、患者教育、质控预警，和直接诊断治疗必须区分。
- 谁对结果负责：AI输出只能作为参考，最终诊疗结论必须由医生亲自判断、记录和解释。
- 如何留下痕迹：AI参与诊疗辅助时，应有可追溯记录，不能把手机藏在桌下偷偷使用。
- 如何培训年轻医生：晨会、病例讨论、教学查房、疑难病例汇报，应保留一定“AI-free”训练空间，避免学生还没形成临床思维，就把推理交给AI。
《互联网诊疗监管细则（试行）》虽然主要针对互联网诊疗，但其中“人工智能软件等不得冒用、替代医师本人提供诊疗服务”的监管逻辑，对线下医疗同样具有警示意义。这起“豆包问诊”事件真正刺痛公众的地方，不是AI本身，而是患者发现自己挂了专家号，却没有得到应有的专家诊查。AI有潜力让医生更强，但前提是刺激医生思考，而不是替医生思考。新浪健康、快科技等关于“西安男子挂专家号，医生被指使用豆包AI问诊”事件的公开报道。Keren R, Desai BR, West DC.Promoting Clinical Expertise in the Age of AI: No Struggle, No Mastery. JAMA. 2026;335(21):1837-1838. doi:10.1001/jama.2026.6097Ke Y, et al.AI-induced never-skilling in medical education. Nature Medicine. 2026.国家药监局器审中心：《人工智能医疗器械注册审查指导原则》 |
