STAT：AI scribes 进入医学教育，既可能训练未来医生也可能削弱临床书写能力

STAT：AI 病历助手进入医学教育，既可能是工具，也可能成为认知拐杖

医院正在快速采用 AI scribes（环境式 AI 病历助手），利用它们自动记录医患对话并生成临床笔记，以减轻医生倦怠、减少文书负担、提高工作效率。但当这类工具开始进入医学教育场景时，医学院和教学医院面临的问题变得更复杂了。

STAT 这篇报道关注的核心，不是 AI scribes 能不能节省时间，而是：如果医学生和住院医过早把病历书写与诊断整理过程交给 AI，是否会削弱他们形成临床思维的能力。

医院积极采用，医学院却更谨慎

报道指出，医疗机构在门诊记录自动化方面推进很快，认为 AI scribes 可以减少医生在文书上的时间投入，并把注意力更多放回患者身上。

但在医学教育领域，态度并不一样。学校和培训体系既希望未来医生能熟悉这类技术，又担心训练阶段若过度依赖 AI，会让学习过程中最关键的一部分被“外包”掉。

这也是为什么一些医学院和医疗系统正在限制学员使用 AI scribes，至少在研究证据更充分之前，不愿让其在培训早期毫无边界地介入。

教育者最担心的是临床推理过程被跳过

Yale School of Medicine 负责教育技术与创新的副院长 Jaideep Talwalkar 在报道中表示，认真写出一份病历记录的过程，本身会迫使学生动脑去梳理到底发生了什么。

这种反复练习并不只是行政工作，而是医学训练的重要组成部分。学生需要在写作中组织病史、筛选重点、建立鉴别诊断，并把零散信息整理成连贯的临床判断。

如果 AI 直接把这些步骤自动完成，学生表面上可能更高效，但实际上可能错过了锻炼临床思维、文书能力和诊断叙事能力的机会。

问题不只在记笔记，而在是否改变医生学习疾病的方式

报道提出的担忧，不是简单的“技术会偷懒”，而是这类工具会不会在训练早期改变年轻医生处理患者信息的方式。

对成熟临床医生来说，AI scribe 更像是一种减轻行政负担的辅助手段；但对仍在形成认知框架的学生和住院医来说，病历书写本身就是学习过程的一部分。

如果学生习惯于依赖 AI 生成结构化记录，他们可能更少练习如何独立提炼要点、识别矛盾信息、组织病情叙述，以及把观察转化为诊疗思路。

医学教育领域目前仍在等待更扎实的研究证据

报道也指出，围绕 AI scribes 在教育中的价值，目前讨论很多，但系统证据仍不充分。

问题不只是这些工具能不能提高效率，而是它们是否会影响学员的长期能力形成，包括病历书写质量、临床推理、鉴别诊断能力和对患者信息的认知加工方式。

这也是为什么学校和健康系统在对待培训学员时往往比对待正式执业医生更谨慎。教育者真正关心的是，短期节省出来的时间，是否会以长期训练质量为代价。

医学教育可能需要的不是禁用，而是更清晰的使用边界

从行业角度看，这条新闻的重要性在于，它把 AI scribes 的讨论从“行政减负”推进到了“医学教育方法论”的层面。

未来这类工具在医学教育中的合理位置，可能既不是全面禁止，也不是完全放开，而是建立更细的边界：哪些阶段可以使用、哪些训练任务必须手写或独立完成、教师如何审核 AI 生成内容，以及如何确保效率工具不会取代本应由学员亲自完成的认知训练。

换句话说，AI scribes 对资深医生来说可能是生产力工具，但对正在成长中的医生而言，若没有明确护栏，也可能变成认知上的拐杖。