近日，张文宏医生就AI看病的问题，发表了自己的一些想法。他是这样说的：“我用AI的原因是我接触的病人量太大、太复杂，我要在短期内处理这么多病例，一般会让AI先看一遍，但我一看就知道AI哪里是错的。会不会被误导，取决于你的能力是不是强过这个AI。”看病时，因为人的情况千变万化，而数据量是有限的，所以他在自己所在的医院里，拒绝把AI引入医生的日常诊疗工作。“你可以用AI，但不允许在我们的病历系统里用AI。”AI带来的一个最大问题，是彻底改变了医生的培养模式。新来的医生没有经过系统的训练，用AI得出的结论和我是一样的，但这会造成什么问题？他无法鉴别AI结论的对与错。
马斯克在2026年1月6日的3小时深度访谈中，对AI/机器人取代医生给出了明确且激进的判断，核心观点与时间线如下：
时间预测：3年内，机器人的手术能力将超过人类外科医生；4年后，机器人将“完胜任何人类顶级专家”。他称2026年将迎来通用人工智能（AGI），其驱动的Optimus人形机器人会重构医疗行业，“学医将变得毫无意义（pointless）”，除非仅将其当作爱好。
核心理由：AI的学习速度远超人类——人类医生的培养需10-15年，AI却可在几周内学习百万级的病例与手术视频，且不存在疲劳、手抖、情绪波动等问题，操作精度可达亚毫米级；“眼+脑+手”一体化系统（如Neuralink手术机器人）可实现毫秒级感知、微米级操作，能力还能实现指数级叠加与共享。
终极愿景：未来，人人都能获得堪比现任总统的优质医疗服务，医疗资源不再稀缺，即便是偏远地区，也能有顶级机器人医生提供服务。
他的结论建立在“AGI+机器人”指数级进步的预期之上，认为这是工程与数据层面的必然趋势，而非简单的工具赋能。
张文宏医生的观点很典型，代表了相当一部分医学专家的主流看法；而马斯克关于AI医疗的论述，则更具前瞻性。两人的观点，有人反对，也有人赞同。
我觉得他们都是从各自的角度、立场和视野看问题，都有一定的道理。张文宏作为一名医术精湛的医学专家，从医生的高度责任感出发，本着对病人负责的态度，以培养医学人才的长远视野看待AI看病的问题。而马斯克则以天才般超乎想象的、宏观的、理性的、科学的前瞻性，看待AI看病的发展前景。
作为一名曾经的理工男和慢性病患者，我想从自己的认知、立场和角度，谈谈对AI看病的看法。
我个人认为，首先毋庸置疑的是，AI取代相当一部分医生是必然的，是大趋势，势不可挡。起码在一些慢性病领域，比如常见的免疫系统疾病、心脑血管疾病（冠心病、高血压、脑梗等）、代谢性疾病（2型糖尿病、高血脂等）、呼吸系统疾病、消化系统疾病及其他相关疾病，AI取代大多数医生是完全可行的。因为这些疾病的治疗手段，大部分是依靠药物维持和生活方式干预来实现的。
如果AI看病先从慢性病领域切入，那么用AI治疗慢性病能否取代医生？答案是毋庸置疑的。
我们得过慢性病的人都有过类似的看病经历：向医生描述症状，医生开具化验单、拍片检查，再根据检查结果初步确诊病情、开具药方，并嘱咐日常生活中的注意事项。你看，这些步骤和程序让AI来完成，是不是易如反掌？
改革开放后，我看过一部老电影《青年鲁班》，里面讲述了盖楼房的故事。靠放大样下料的高师傅，和依据计算法下料的李三辈，在高效与安全稳妥下料的问题上发生了激烈争执。高师傅在旧社会靠自学掌握了放大样法，而李三辈则在新社会的夜校里学了三角几何计算法。最后实践证明，计算法无论在效率还是安全可靠性上，都远远胜过放大样法，高师傅也心服口服，主动接受并积极推广计算法。高师傅花了数十年才掌握的放大样法，李三辈仅读了一段时间夜校就学会了计算法。
工程绘图原先全靠人工手绘，别说绘图本身，就连削铅笔都有不少讲究。一个优秀的工程技术人员，绘图是其核心专业技能之一，没有一定的功底很难熟练掌握。工程制图的要求是：出图快、准确、清晰、全面、规范、美观。在那个年代，出图又快又好的技术员，绝对会受到职工的一致称赞和钦佩。绘制厚厚的一沓工程图纸，绝对是脑力加体力的双重考验，没有真本事根本拿不下来。而现在，工程制图对于刚入职的年轻人来说，还算得上是难事吗？全部都用AutoCAD制图，出图效率比原先的手工绘图提高了何止百倍。
再看马斯克的火箭回收技术。马斯克刚开始试验火箭回收时，先后经历了多次失败，很多名人都不看好，包括登月第一人阿姆斯特朗、登月最后一人塞尔南、贝索斯，以及诸多航天高管和资深专家。他们从安全、技术和效益等方面提出质疑或反对，但马斯克最终还是取得了成功，开启了人类用新式方案探索太空的新纪元。
再来谈谈驾驶的事儿。五十年前，驾驶汽车是一项非常了不起的技能。当市场推出自动挡轿车后，人们一开始还怀疑它的优越性。如今，自动辅助驾驶已经趋于成熟，自动驾驶也已指日可待。现在还有谁会从安全角度出发，纠结要不要培养优秀司机的问题呢？
原先炉窑的看火工，也是一个非常了不起的工种。在没有引入自动控制的年代，看火全靠看火工的眼睛和对时间的把控。炉窑的温度控制直接关系到产品的质量精度，无论是钢铁、玻璃还是陶瓷行业，皆是如此。而现在，还有谁会担心自动控温的可靠性？事实证明，计算机自动控温的精度，比人的肉眼不知高出多少倍。在精度要求越来越严苛的当下，肉眼控温技术早就被远远甩在身后，也根本不存在从安全可靠的角度，去专门培养肉眼看火工的问题了。
医疗AI的引入，一开始肯定需要技术高超的医生和典型病例的患者共同参与和介入。数据、算法、算力和信号接口（这一点是我补充的，我认为信号接口非常重要，医生和患者的参与，其实就是医疗AI通过信号接口获取数据的来源）这四个环节，缺一不可。
AI在实际应用过程中，正确信息的反馈至关重要。随着越来越多医术精湛且勇于拥抱新技术的医生，以及更多乐于接受AI医疗的患者和病例的加入，医疗AI会不断被丰富、完善、纠错和补充。医疗AI很可能在数月内，就会有上百万甚至上千万的病例数据积累。造访的病例越多，医疗AI就越智能，误诊率也会越来越低。而且医疗AI只会越用越精准，越用越好用，很快就能超过国内顶尖的医生，甚至在有国际合作的情况下，超过国际上最优秀的医生。随着医疗AI的推广应用，会有越来越多的医生和患者使用AI医生。当然，二者的使用场景有所不同：医生借助医疗AI为病人诊疗，患者或家属则借助医疗AI为自己或家人咨询病情，他们从不同角度为医疗AI进行各类数据的输入与反馈。医疗AI的普及，会像滚雪球一样迅速发展。就像炉窑的温度控制一样，现在谁还会怀疑计算机控温的精度？医疗AI也一样，很快它的诊疗水平就不会再被人质疑，其医术超过国内外最精湛的医生，也会成为公认的事实。
完全可以想象，对于慢性病的治疗，医疗AI能够更精准地击中靶点、有的放矢，而不是像某些医生那样，在一定程度上靠试药碰运气。医疗AI会根据患者全面的身体状况，综合评估所有适用药物可能产生的副作用等因素，从而得出最优治疗方案，之后再为患者开具药方。
医疗AI的优势在于，仅一个AI系统就能同时为成千上万甚至上百万的人提供诊疗服务，而且不存在排队挂号难的问题，患者随时都可以向AI咨询病情。病人甚至可以自行借助AI问诊，医疗AI态度和蔼、询问仔细、观察全面，它会全方位了解患者的情况：职业、年龄、体重、是否肥胖、情绪状态、当日饮食、近期睡眠质量、工作劳累程度、家族遗传病史、具体疼痛部位及痛感等。如果有需要，它甚至可以和患者沟通一个小时甚至一个上午，而不是像现在医院里的医生那样，问诊时间只有短短几分钟。如果患者有需求，可以随时咨询AI，补充新的身体状况，AI会即时给出应答，并重新评估患者的病情。
在全面掌握病情的基础上，医疗AI会写出规范的病历，不会出现潦草难辨的字迹，开出的药方也十分清晰，再也不会出现那种只有医生才能看懂的“天书”。
当AI为患者开具药方后，患者服药一段时间，可随时向AI反馈服药后的反应。当然，慢性病人的治疗周期一般以四周为一个疗程，但如果药物出现问题，在患者及时反馈的情况下，AI可以立刻调整治疗方案。从看病、化验、开药、服药，到疗程内AI全程随时解答病情疑问，再到后续的复查化验，整个流程会形成一个高效的良性循环。
AI的发展目的，是培养更优秀的AI，而非训练所谓的高明医生。AI的发展必然会改变现行的医疗体制与结构，医学院的课程很可能有相当一部分会被删减，很多医学知识无需再系统学习，相关的书籍也不必再研读。学生只需掌握基本的医疗知识，了解AI的基本原理，学会使用AI看病即可。这就像我们当年学习的放大器、晶体管、TTL、CMOS技术，曾经需要厚厚的好几本专著来讲解，而现在一页纸的使用说明书，就能把所有问题讲清楚。原先的放大器有几十条引脚，安装和调试都十分麻烦，现在的放大器只有五条引脚：输入、地、输出、地、正负电源，无需偏置和调零，直接接线就能使用。原先那些包含电流环、电压环、速度环等复杂多重控制的自动化调速系统，现在一个调速器就能完成。对于一名懂得基本电工电路的工人来说，只要有说明书、会接线、清楚输入输出参数，完成调试就是一件非常简单的事。原先需要高级工程师才能完成的系统调试工作，现在一名普通电工就能胜任，根本不存在专门培养自动化调试工的问题。
当然，AI的发展不会一蹴而就。在将AI引入医疗领域的过程中，必然会产生与之相关的制度问题、责任问题、文化问题、社会问题、经济问题，甚至道德问题等。要妥善处理这一系列问题，需要政府、各类专家、民众和社会各界的共同努力与推动。相信在不久的将来，AI会给人类带来更多的福音。
