《ESMO Real World Data and Digital Oncology》：Artificial intelligence in medicine: a scoping review of the risk of deskilling and loss of expertise among physicians
编辑推荐：
这篇综述深度剖析了AI辅助医疗实践中一个日益凸显的潜在危机：医师技能退化。文章系统回顾了胃肠、影像、病理等专科证据，指出AI依赖可导致“自动化偏见”、独立诊断能力下降及培训机会减少。为应对挑战，作者呼吁从教育（强化AI素养与临床推理并重的混合培训）、评估（监测能力漂移）及制度（建立安全护栏）多层面入手，以在智能时代守护医疗专业核心技艺。
引言
人工智能（AI）系统正以前所未有的速度融入临床实践，从影像诊断到治疗决策支持，其应用遍布放射学、病理学、内窥镜等多个专业领域。这些工具在提升诊疗效率与准确性的同时，也引发了关于“技能退化”的深刻担忧——即医师因过度依赖自动化而导致其专业能力的逐步侵蚀。本综述旨在梳理现有证据，探讨其背后的机制，并为如何在自动化时代保护与重塑医学专业知识提供见解。
核心发现：技能退化的确凿证据
尽管高质量实证研究数量仍有限，但不同专科的证据均指向一致的风险信号。最强的临床技能退化证据来自胃肠病学领域。一项2025年发表于《柳叶刀·胃肠病学和肝脏病学》的多中心观察性研究，分析了超过23,000例结肠镜检查。结果显示，在常规使用AI辅助后，当内镜医师转而进行非AI辅助操作时，其腺瘤检出率（Adenoma Detection Rate, ADR）从引入AI前的28.4%显著下降至22.4%；而在AI辅助下，ADR则保持在25.3%。这直接证明了重复使用AI后产生的行为依赖与技能退化。
在放射学领域，一项2023年的乳腺影像对照研究评估了27名放射科医生解读720张乳腺X线片的表现。研究发现，当AI提供错误建议时，即使是经验丰富的医师，其错误率也增加了12%-15%，清晰展现了“自动化偏见”的影响。另一项针对32名放射科住院医师的研究显示，在AI辅助下诊断新冠肺炎（COVID-19）肺炎的胸部X光片时，诊断敏感性提升了12%，平均阅片时间减少了18%。虽然短期随访表现稳定，但研究强调了长期依赖AI可能削弱独立诊断推理能力的隐忧。
计算病理学领域的研究进一步支持了自动化引发技能退化的风险。一项涉及28名病理学家的实验研究发现，在时间压力下，参与者面对错误的AI建议时，放弃了7%初始正确的判断，并且诊断错误的程度有所增加。此外，结构性变化也加剧了这一风险。例如，英国转向以人乳头瘤病毒（Human Papillomavirus, HPV）检测作为子宫颈癌初筛后，细胞学工作量减少了80%-85%，导致实验室从45个合并为8个中心，这对初级病理医生的形态学专业培训和实操机会造成了显著冲击。
跨领域模式与驱动因素
综览各项研究，可归纳出几种反复出现的模式与可能的驱动因素，解释AI支持如何从短期技能提升滑向依赖与表现下降：
- •
自动化偏见在病例模棱两可/低流行率、时间紧迫或界面设计鼓励不经独立验证就默认接受AI建议时最为显著。
- •
重复暴露于AI会减少独立验证行为，削弱反馈回路（如减少审慎核查、减弱反思性推理），导致在AI被撤除或不可用时出现可测量的表现下降。
- •
培训生态效应：AI分诊和工作流重新设计可能减少医师接触对技能巩固至关重要的基础性或“简单”病例的机会；结构性工作量减少（如筛查路径改变）也会侵蚀实践和督导机会。
- •
组织因素（工作流整合方式、激励机制、缺乏校准不确定性/推翻反馈）即使在底层模型平均准确的情况下，也可能放大依赖。
应对策略：从风险缓解到能力守护
面对这些新兴风险，必须在教育和制度层面采取综合策略来抵消技能退化：
- 1.
教育改革与课程整合：医学课程应在整合AI素养教育的同时，强化传统临床推理和动手实践训练，确保自动化是补充而非替代核心技能。模拟训练和混合实践模式（如已在机器人手术中探索的）可为在放射学、病理学和胃肠病学领域保护手动和解读性专业知识提供蓝图。
- 2.
评估框架演进：能力评估框架需超越准确性和效率指标，纳入对诊断独立性、操作灵巧性和伦理决策等能力的维持状况监测。
- 3.
制度性保障：医疗机构在采纳AI时，需制定政策平衡其益处与维护医师自主性的保障措施，强调持续专业发展，并鼓励对AI输出进行批判性审视。
讨论与展望
AI正在以巨大的潜力重塑医学，但技能退化的明确信号警示我们，专业能力并非理所当然。肿瘤学等领域因其诊疗全路径日益被算法工具中介，可能尤其面临技能退化风险。哲学层面的分析进一步指出，AI可能削弱医学专业知识的三大古典支柱——技艺（techne）、知识（episteme）和道德（ethos）。未来的研究需产生纵向和前瞻性数据，以更好地捕捉AI深度整合环境中临床能力的演变轨迹。开发经过验证的技能退化评估工具，并将伦理框架嵌入实证研究，对于设计有针对性的缓解策略至关重要。
结论
守护临床判断的艺术与科学，需要做出审慎的选择：将AI素养嵌入培训，执行监管保障，并培育真正的人机协作。缺乏此类行动，技术进步或将侵蚀安全、富有同情心的患者护理所依赖的专业根基。
