当你走进诊室，坐在你对面的医生或许是一位刚从医学院毕业不久的新人。他看起来自信、从容，面对你的症状能迅速给出诊断，甚至还能引用最新的临床研究来佐证。但你可能不知道的是，这个诊断过程里，真正动脑思考的可能不是他，而是他口袋里那个几乎一刻也离不开的AI助手。
这不是危言耸听。斯坦福大学医学院医学生兼记者西马尔·巴贾杰（Simar Bajaj）和约翰斯·霍普金斯医学中心创伤外科医生兼外科执行副主任约瑟夫·萨克兰（Joseph Sakran）在《卫报》发表文章，提出了一个令医学界不寒而栗的问题：当医学生从培训第一天起就在依赖AI，他们可能永远学不会自己看病。
“忘记如何推理的医生还有可能重新掌握这种能力，但从未学会如何推理的医生可能就做不到了。”巴贾杰与萨克兰写道。
AI已全面渗透医学教育，但问题比想象中更严重
这个担忧并非凭空而来。它建立在一系列令人不安的发现之上。
第一个发现来自内部数据。OpenEvidence是一款专门面向临床医生的AI聊天机器人，它已经在美国医疗系统中扎根之深远超外界想象。据NBC新闻和《卫报》报道，美国约三分之二的医生（约65万人）在活跃使用OpenEvidence，全球范围内还有120万名医生在使用。这款工具在2025年初估值仅10亿美元，到2026年1月估值已飙升至120亿美元，年营收超过1亿美元。OpenEvidence每月处理约1500万次临床咨询，2026年3月10日更创下24小时内完成100万次临床咨询的纪录。
问题在于，这款工具已经被医学生和住院医师广泛采用，在他们还远未形成独立临床判断力的阶段。巴贾杰和萨克兰描述了一个典型的场景：过去，要求受训者列出可能的诊断时，他们需要费力思考，可能只能提出一份不完整的清单，然后从遗漏中学习，有时还会因此感到难堪。现在，他们只需要询问OpenEvidence，就能直接得到一个近乎完美的答案，包含了他们从未考虑过的可能性，同时也不用经历遗漏诊断带来的尴尬。
第二个发现更加致命。2026年6月，Nature Medicine发表了一项由纽约大学朗格尼医学中心团队完成的研究，将OpenEvidence和Wolters Kluwer的UpToDate Expert AI这两款专业临床AI工具，与GPT-5.2、Gemini 3.1 Pro和Claude Opus 4.6三款通用大模型进行了正面较量。结果令人震惊：在500道MedQA医学考题、500道HealthBench临床一致性测试和100道真实临床问题三项基准上，通用聊天机器人全面碾压了专业临床AI工具。研究作者指出，这些专业工具的整体表现大致与谷歌“AI概览”相当，而后者早已因表现不稳定和答案不准确而“臭名昭著”。
这就产生了一个荒诞的悖论：医学生正在依赖的“专业医学AI”，其可靠性可能还不如他们手机里随便下载的通用聊天机器人。
“永不学会”比“技能退化”更可怕
医学界此前对AI的担忧主要集中在“技能退化”（deskilling），即资深医生因长期使用AI，某些临床技能逐渐生疏。但2026年5月，Nature Medicine发表的一篇题为“AI-induced never-skilling in medical education”的综述文章，为这场讨论引入了一个全新的概念：从未学会（never-skilling）。
巴贾杰和萨克兰在《卫报》文章中精准地阐述了这一区别。“忘记推理的医生还有可能重新掌握这种能力，但从未学会如何推理的医生可能就做不到了。”技能退化假设你曾经拥有过某种能力，只是后来丢失了，这至少意味着你还有恢复的路径。但“从未学会”意味着，从认知建构的起点开始，关键能力就被绕过了。这不是恢复的问题，而是从零开始补课的问题，而医学训练中，某些能力一旦错过最佳形成期，可能永远无法弥补。
医学训练本质上是一个学徒制体系：医学生成为住院医师，住院医师成为专科医师，专科医师成为主治医师，每一步都在失败、不确定性和不断加码的责任中锻造。这个过程需要数年甚至十数年的重复和导师监督，把临床推理的习惯慢慢内化为医生“认知架构”的一部分。如果AI从一开始就替代了这个过程中的“费力思考”环节，那么临床推理这项核心能力可能根本不会在医学生的认知中生根。
AI与以往所有医学技术都不同
巴贾杰和萨克兰指出，AI与过去医学技术进步有本质不同。从X光到CT，从电子病历到远程医疗，这些技术都在扩大医生能“看到”的范围，但没有改变医生如何“思考”。AI则不同，它直接介入医学训练本应建立的认知机制本身。
当一位医学生面对一个病例，本应经历“收集信息、提出假设、鉴别诊断、验证判断”的完整推理链时，AI直接给了他答案。这个过程中，最关键的环节，也就是费力思考，被跳过了。学习科学家Elizabeth Bjork和Robert Bjork将这种看似“低效”的艰难过程称为“理想困难”（desirable difficulties）。它虽然在当下降低表现，但能显著提升长期技能保留和迁移能力。
对于有多年临床经验的医生来说，他们已有的独立判断力使其能够批判性地审视AI的输出。但对于正在形成医学认知的受训者，情况更为严峻。正如巴贾杰和萨克兰所问的：“他们真的能质疑塑造了自己认知的推理过程吗？当AI训练出来的一代人，成为需要发现AI错误的那一代人时，会发生什么？”
医学生的困境：一场谁也无法退出的军备竞赛
巴贾杰和萨克兰在文章中透露，许多医学生其实意识到了这个陷阱。他们知道OpenEvidence这类工具会变成“拐杖”。但问题在于，他们被卷入了一场无法退出的军备竞赛：如果所有人都用AI来显得自己准备更充分，那么选择不用的人就等于单方面裁军。
2026年发表在Sketchy Educators上的一项研究调查了300名健康专业学生，结果发现AI聊天机器人的使用率是100%。当被问及对自己AI使用习惯的最大担忧时，学生们的首要答案不是被抓住作弊，不是支付订阅费用，而是“思考减少”，40%的受访者选择了这个选项。
学生们知道自己在做什么，但系统性的压力让他们别无选择。在临床轮转中，一个能流利引用最新研究、给出完美诊断列表的实习生，显然比一个磕磕绊绊、只能说出部分可能性的实习生更受好评。但前者可能只是AI的传声筒，后者才是真实能力的体现。医学教育中的评价体系尚未适应AI时代，我们正在用旧标准奖励那些善于使用AI而不是善于思考的学生。
AI自身的可靠性问题，让一切雪上加霜
更令人担忧的是，这些医学生赖以完成“思考”的AI工具，其可靠性本身就是一个巨大的问题。
Teng等人在2026年发表于npj Digital Medicine的一项随机对照试验，给出了令人警醒的证据。研究让医学生处理小型病例，并为他们提供AI生成的诊断解释，有些正确，有些错误。结果发现，误导性的AI解释几乎使医学生的诊断准确率降低了一半，而正确的AI解释也没有在独立诊断的基础上带来可测量的提升。也就是说，AI错了你跟着错，AI对了你也没学到什么，反正下次遇到类似病例还是不会。
这还不是最糟糕的。Nature Medicine那篇benchmark研究揭示了一个更深层的问题：那些被FDA批准、专为临床设计的AI工具，在医学知识问答上的表现反而不如通用聊天机器人。这意味着，即使医学生使用的是“正规”临床AI工具，也无法保证其输出可靠。而他们如果转而使用通用AI工具，又面临隐私、合规等一系列问题。无论怎么选，都是一种风险。
解决方案：从“先AI后思考”到“先思考后AI”
面对这个困境，巴贾杰和萨克兰提出了几个结构性解决方案，而非简单呼吁个人自律。
最核心的调整是将推理顺序从“AI优先”改为“思考优先”。具体而言，医学生和住院医师应在独立处理病例后，才使用AI进行验证和补充。例如，值班住院医师在接诊患者后，必须先写一份“AI前评估”，列出首选诊断、需要排除的危险可能性以及下一步计划。在查房时，主治医师应在任何人使用AI之前，先停下来询问团队的判断。这看似繁琐，但正如Bjork夫妇所研究的，这种“低效”恰恰是有效学习的核心。
医学教育还需要建立定期的“无AI病例考核”。巴贾杰和萨克兰借鉴了航空业的做法。美国联邦航空管理局（FAA）在官方安全通告中建议飞行员定期关闭自动驾驶系统，手动驾驶飞机，以保持手动飞行能力。医学教育需要类似的纪律，要求受训者定期在完全没有AI辅助的情况下独立处理病例，并以此评估他们的独立推理能力，及早发现能力漂移。
最后还可以开发“AI模拟器训练”。类似于飞行员在模拟器中应对突发故障，医学教育项目可以设计包含微妙错误的AI生成病例分析，训练受训者识别AI何时出错。更重要的是，训练中应该混入完全正确的AI输出，让学生学会的不是“AI都不可信”的怀疑主义，而是有判断力的信任。训练结束后，主治医师不仅要复盘学生是否得到了正确答案，还要讨论他们何时信任了工具、何时质疑了工具、何时发现了缺陷。
医生的核心价值，恰恰在于AI做不到的事
AI确实能加速医疗、扩大医疗可及性，患者将从AI的速度和广度中受益。但患者同样需要那些能独立于机器、能够判断AI何时出错、何时不完整、何时虽然正确但理由错误的医生。
正如巴贾杰和萨克兰所写的：“虽然AI可以推理它被给予的事实，但一个见过肺炎看起来像肺炎、又见过肺炎看起来像心衰、再见过心衰看起来像肺炎的受训者，才能培养出丰富的床边判断力，知道该注意什么，该质疑什么，什么时候应当对一个熟悉的模式产生怀疑。”
AI应该增强这种能力，而不是取代它。
AI可以替医生找到答案，但它永远无法替医生经历那个“找不到答案”的过程，而正是这个过程，才真正塑造了一个医生。
快报