黃荷鳳院士：AI不會取代醫生，但它將徹底改變醫生的角色

“AI只是提供線索。它可以提出‘可能’，卻不能代替我們做出‘判斷’；它可以生成假說，卻無法承擔驗證的責任。”

“我們可以依靠人工智能模型，但更要相信嚴謹的實驗和對生命的敬畏。”

“人類醫學的進步，從來都是從空白處落筆。”

“你們必須清醒認識它的邊界，更要保有作為人類醫者的主動性、判斷力與道德擔當。”

“未來的醫學，屬于懂人工智能的人，更屬于能把人工智能置于正確位置的人。”

在浙江大學醫學院2026屆畢業生大會上的講話

中國科學院院士、浙江大學醫藥學部主任 黃荷鳳

（2026年6月28日）

親愛的2026屆全體畢業生同學們：

首先，我謹代表浙江大學醫學院全體師生，向你們完成學業圓滿畢業表示祝賀！向多年來辛勤培育你們的老師，始終默默支持你們成長的家人，致以誠摯的感謝！

今天，我想從一個孩子的故事說起。這是一個真實發生在我們臨床一線的罕見病診療案例，它看似孤獨，卻折射出這個時代醫學的本質之問：當人工智能全面融入醫療全鏈條，我們該如何做一名真正有力量的醫生？又該如何成為一名敢于探索未知、推動醫學進步的創新醫者？

幾年前，我們接診了一位特殊的患兒。她患有嚴重的全面性發育遲緩、肌張力低下、聽力缺損、胼胝體發育不全、腦室擴張、巨腦回畸形，同時合并先天性心臟病和特殊面容。憑借臨床經驗，我們推測這可能是hnRNPK基因新發突變導致的Au-Kline綜合征，這是一種多系統損害的顯性遺傳罕見病。

但真相是否如此？帶著這個問題，我們回歸床旁，細致梳理病史和家族史，更令人心痛的是，這個家庭此前已失去過一個癥狀相同的孩子。考慮存在遺傳疾病可能性，所以我們進行了家系基因測序，然而第一輪分析結果顯示，所有已知的致病基因庫中均未找到能解釋她病情的線索，仿佛在黑暗中走進了一條死胡同。

這是罕見病研究中最常見的困境，也是最具挑戰性的起點。數據庫里沒有答案，文獻中沒有先例。醫學上類似的疑難雜癥或許都會止步于此。但醫學的突破口，往往就誕生于這片“無人區”。

我們沒有停下腳步，而是對原始測序數據進行重分析，最終在患兒中鑒定出從未被報道過的RBM42基因的兩個復合雜合變異，一個來自母親，一個來自父親，各自攜帶“錯位”的指令。仔細分析發現，RBM42基因與Au-Kline綜合征致病基因hnRNPK蛋白存在物理連接，這為我們指明了方向。

然而，前方仍是迷霧：即便是罕見病領域最強大的匹配平臺GeneMatcher，也未檢索到任何相似病例。

這時，人工智能發揮了極大的作用。利用深度神經網絡（DNN）從海量基因組數據中自動學習特征，實現有害變異預測。借助AI結構預測工具AlphaFold，我們模擬了RBM42變異蛋白的立體結構，發現其中一個突變如同鑰匙插錯了鎖孔，導致整個“蛋白質工廠”運轉失常；另一個變異則更為嚴重，直接讓蛋白生產線停工。

進一步，我們使用AI驅動的新一代變異預測工具AlphaMissense和PrimateAI對錯義變異進行致病性評估。結合AlphaFold的蛋白質結構框架和大規模人群數據庫gnomAD微調訓練，給出了高達99.89%的致病概率。

接下來，還需整合多維生物信息學證據進行交叉驗證，SpliceAI、DeepSplice等深度學習模型評估了變異對剪接位點的潛在影響；跨物種比對揭示了變異蛋白位點從真菌到人類高度保守；gnomAD數據庫確認了這兩個變異在普通人群中均為零頻率。所有線索均指向同一方向，相當于借助人工智能幫我們快速圈定了“嫌疑人”。

過去，我們依賴保守性分析、位置權重矩陣、固定剪接信號等人為設定的規則，預測能力極其有限，尤其對新型變異束手無策。而今天的AI能自動從海量基因組數據中學習復雜模式，實現快速、高精度的預測。但這些AI工具本身并沒有替我們完成發現。

請永遠記住：AI只是提供線索。它可以提出“可能”，卻不能代替我們做出“判斷”；它可以生成假說，卻無法承擔驗證的責任。

真正的定案需要實驗室里的“鐵證”，我們可以依靠人工智能模型，但更要相信嚴謹的實驗和對生命的敬畏。我們沒有停留在生物信息學預測層面，而是推開實驗室大門，開啟了一場漫長而嚴謹的“濕實驗”求證之旅。細胞實驗、免疫共沉淀、真菌互補實驗、動物模型、轉錄組測序，多維度、獨立來源的證據匯聚成了閉環，最終證實：RBM42復合雜合雙基因變異，是一種全新的綜合征性神經發育障礙的致病原因。

基于這一明確的遺傳診斷，我們為這個家庭提供了精準的再發風險評估和遺傳咨詢，并協助他們通過胚胎植入前遺傳學檢測（PGT），成功孕育并分娩了一名健康的寶寶。當我第一次看到那個健康嬰兒的照片時，我深知：我們所做的，不僅填補了基因圖譜的空白，而且拯救一個瀕臨絕望的家庭，更是改變了全世界類似患者獲得診治的機會。

同學們，我為什么要講這個故事？

因為你們即將步入的時代，是一個被算法、數據和人工智能洪流裹挾的時代。很多同學心中難免困惑：多年苦讀醫學，面對行業規則、診療模式的快速迭代，職業發展路徑充滿迷茫，我們該怎么看病、怎么真正幫到患者、怎么開展醫學創新？我今天想鄭重告訴你們：AI不會取代醫生，但它將徹底改變醫生的角色。

未來的醫學，不再是單純的經驗積累或知識搬運，而是“碳基智慧”與“硅基智慧”的共舞。AI將成為像顯微鏡、測序儀一樣的基本工具，成為醫學研究與臨床實踐的基礎設施。你們必須學會駕馭它，否則將難以立足；但更重要的是，你們必須清醒認識它的邊界，更要保有作為人類醫者的主動性、判斷力與道德擔當。

因此，在你們啟程之際，作為師長，我想送給大家三句叮囑，也是一份期許：

第一，主動擁抱AI，但永遠不要把判斷力交給AI。

讓它成為你的“導航儀”，幫你快速檢索文獻、解析結構、篩選變異；但你要始終做那個“掌舵的船長”，用臨床直覺、批判性思維和倫理考量決定最終的航向。你可以用AI發現線索，但必須用自己的眼睛觀察患者的表情，用自己的耳朵傾聽他們的訴說，用自己的心感受他們的不安與期盼。人工智能是臂膀，不是大腦；算法是參考，不做醫學定論。

作為浙大醫學人，真正要掌握的核心競爭力，是將AI的效率優勢與人類的認知、情感、創造力相結合。共情溝通、臨床直覺、生命關懷、有溫度的決策，這些獨屬于你們的競爭力，才是你們走出校門的底氣。

第二，善用數據庫，但永遠不要被“空白”嚇退。

當系統提示“無相關病例報道”“未見致病性證據”時，請記得：人類醫學的進步，從來都是從空白處落筆。真正的創新醫者，是在無人走的路上，為患者多走一步的人。數據庫承載的是過去的共識，而你要創造的是未來的知識。真正的科學創新，需要人類去提出值得追問的問題，去識別數據背后真實的案例，去證實或者證偽自己的科學假說。要敢于在陰性結果面前調整方向，在不確定中保持誠實與清醒，在一次次失敗后仍愿意重新設計實驗、重新思考機制。正如我們在病例中經歷的：沒有現成答案，就自己去找；沒有動物模型，就親手建立；沒有同類病例，就用功能實驗說話。醫學的進步，靠求真求實；醫學的尊嚴，靠仁心仁術。

第三，追逐醫學創新，但更要敬畏生命本身。

一個孩子不是一組編碼，一個家庭不是一份測序報告，一種疾病也不僅僅是一篇論文的標題。理解疾病表型，需要從紛繁癥狀中提煉核心；驗證基因功能，需要親手設計并執行實驗；權衡致病證據，需要在矛盾信息中做出判斷；與患者共情溝通，需要在不確定性中傳遞希望；考量倫理問題，需要評估醫學建議可能帶來的個人和社會風險；承擔醫療責任，需要為每一個結論署名、負責。這一切，都無法由AI完成，AI沒有姓名，也沒有肩膀去承擔重量。

同學們，你們生逢其時，也重任在肩。你們是第一代完整接受AI賦能教育的醫學生，也是最有潛力成為“創新型醫師”的一代。愿你們走出浙江大學求是園后，善用智能科技，不失醫者仁心；直面世事變數，不失從醫初心；敢于試錯調整，不失前行耐心。勇敢地做填補醫學空白、攻克人類頑疾、惠及全球健康的醫者。借人工智能之精準，固臨床決策之主見。

未來的醫學，屬于懂人工智能的人，更屬于能把人工智能置于正確位置的人。讓AI做我們的探路先鋒和得力助手，而讓人類繼續做提出問題的人、辨認真相的人、守護患者的人。

祝賀你們，畢業快樂！前程萬里！去創造屬于你們這一代醫者的奇跡吧！

謝謝大家！

來源：浙江大學醫學院

“點贊”“愛心”，讓更多人看到