这两年只要是医生聚会, 饭桌上迟早会绕到这个话题: AI 到底会不会让医生这个职业贬值? 哪些专科最先受冲击? 与其焦虑地刷新闻, 不如 把这件事拆开看——冲击是真实的, 但机会同样真实, 而且这一波变化里, 懂技术又懂临床的人反而是最稀缺的。
先说清楚: AI 冲击的不是 "医生" 这个职业, 而是"任务"
这轮 AI 浪潮和放射科医生几年前担心的 "深度学习读片取代放射科" 完全不是一回事。当年的恐慌没有兑现, 原因很简单——医生的工作不是一个单一任务, 而是一堆任务的组合: 问诊、鉴别诊断、读影像、写病历、跟病人沟通、处理保险、做决策、担责任。AI现在能替代的是其中一部分任务,而不是整个职业。
真正该问的问题不是 "AI 会不会取代医生", 而是: 你每天工作里, 有多少时间花在 "AI 已经能做得和你差不多好" 的任务上?
哪些专科感受到的冲击更直接
- 放射科: AI 辅助读片(尤其是骨折检测、肺结节筛查、乳腺癌筛查)已经在不少医院成为标配工具。冲击不是 "AI取代放射科医生", 而是同样的工作量, 现在需要更少的放射科医生——尤其是初筛这类重复性高的环节, AI先过一遍, 医生做最终确认和复杂病例判断。
- 病理科: 数字病理+AI 辅助诊断在癌症分级、免疫组化定量分析上进展很快, 逻辑和放射科类似。
- 皮肤科: 皮肤影像识别(尤其是黑色素瘤筛查)的 AI 工具已经相当成熟, 不少初筛环节正在被 App 和远程皮肤科服务分流。
- 初级保健(Primary Care): AI 问诊分诊、症状核对工具(比如患者自己先用 AI症状检查器)正在改变病人进入医疗系统的第一道关口, 虽然还没到 "取代" 的程度, 但正在压缩纯粹 "信息收集型" 问诊的价值。
相对受冲击小的: 外科(需要动手操作和空间判断)、急诊(需要高强度实时决策和不确定信息下的处置)、精神科(高度依赖人际信任和长期关系)、儿科(沟通对象特殊,信任建立需要人)。
冲击背后,其实是"文书负担"先被解决
对大部分一线临床医生来说, AI目前最实际的影响不是诊断被取代, 而是文书工作被大幅减轻。这才是这两年真正落地、医生感受最直接的变化:
- Ambient AI scribes(环境语音病历助手):比如 Nuance DAX、Abridge、Suki 这类工具, 医生问诊时全程录音,AI自动生成结构化病历,医生只需review和签字。不少医院已经大规模部署, 医生反馈 "每天能省 1-2 小时文书时间" 是常见评价。
- AI 辅助保险预授权(prior authorization): 处理保险公司的繁琐审批流程, 原本是医生和员工最头疼的行政负担之一。
- AI 辅助编码计费(medical coding): 自动生成 ICD/CPT 编码建议, 减少 billing 团队的工作量。
这里的机会点是: 早期采用并且能给医院/诊所提供 "如何有效落地这些工具" 反馈的医生, 正在成为医院里事实上的 "临床AI顾问", 这是一个全新的、非官方但真实存在的角色。
真正打开的新岗位:懂临床又懂技术的人成了稀缺资源
如果说前面讲的是 "冲击", 这部分讲的是 "机会"——而且这些机会目前处于早期阶段, 竞争还没有变得像传统临床晋升那样内卷。
- Clinical AI Advisor / Medical Director for AI: 越来越多医疗系统和 AI 医疗科技公司设立这个岗位, 负责把 AI 工具的输出结果 "翻译" 成临床可用的逻辑, 同时把临床需求反馈给工程团队。这个角色特别适合本身对技术有兴趣、但不想完全离开临床判断的医生。
- Clinical Informatics(临床信息学): 这是一个已经存在多年、但因为 AI 浪潮重新变得炙手可热的亚专科, 部分专科可以通过fellowship 拿到正式认证(Clinical Informatics subspecialty board), 转型到医院 CMIO(Chief Medical Information Officer)一类岗位。
- 医疗 AI 创业公司的临床顾问/联合创始人: 大量做诊断辅助、患者分诊、慢病管理 AI 的初创公司,急需既懂真实临床流程、又能做产品判断的医生加入, 哪怕是兼职顾问角色, 也能拿到股权和话语权。
- AI 模型评估与标注(Clinical Data
Annotation/Evaluation): 训练医疗大模型需要大量高质量的临床专家标注和评估, 不少公司(包括做 LLM的公司)在招募医生做兼职或全职的 "clinical reviewer", 这是一个门槛不算高、但收入不错的新兴副业方向,而且大多可以远程完成。
- 医学教育内容与 AI 结合: 利用 AI 辅助生成患者教育材料、考试辅导内容(尤其是 USMLE相关),不少医生在做自媒体+AI工具结合的科普内容, 这条路径对想保留一定灵活性、又不想完全脱离医学表达的人很友好。
给正在观望的医生,几条实际建议
1. 先从"用 " 开始, 不用等 "懂原理": 不需要去学机器学习理论, 先在自己的临床工作流里试用 ambient scribe 这类工具, 亲自体验能省多少时间——这是目前投入产出比最高的第一步。
2. 留意医院内部的 "数字化转型委员会" 这类机会: 很多医院在选型和试点 AI工具时, 急需一线临床医生参与反馈, 主动举手参与, 是进入 clinical informatics 这条路最低成本的敲门砖。
3. 警惕 "AI焦虑营销": 市面上不少课程和 "转型咨询" 在贩卖焦虑感, 卖的是 "再不学AI就要被淘汰" 这种叙事。现实是, 懂临床判断和病人沟通的核心能力, 短期内没有被替代的迹象, 不必病急乱投医地报班。
4. 对华人医生来说, 双语能力是一个被低估的AI时代优势: 很多医疗 AI产品在做多语言本地化、面向华人社区的健康科普和患者教育材料,这是一个技术门槛不高、但需求真实存在的细分市场。
说到底，这一轮 AI 浪潮里,真正被冲击的是 "把医生当成信息处理机器" 这部分工作——问诊记录、影像初筛、行政文书。而医生工作里最核心、最难被替代的部分——建立信任、做复杂情境下的判断、对病人负责——短期内看不到被取代的迹象。
对正在观望的华人医生来说, 与其纠结 "AI会不会让我失业", 不如现在就去弄清楚: **自己每天的工作里, 哪些部分已经有现成的AI工具能替你分担, 把省下来的时间和精力, 投入到那些AI暂时还做不了、而你恰好擅长的事情上。**这可能才是这轮技术浪潮里,真正值得抓住的"第二春"。
没有评论:
发表评论