兩代從醫的家庭，填志愿時沉默了：學醫會被AI取代嗎？福建多位醫生說出實話！信息量很大

高考成績放榜的次日，林女士家里的餐桌上，攤著第三張被涂改多次的志愿草稿。兒子小陳考了624分，全省排名6000出頭。若是三年前，這幾乎是一份標準的“臨床5+3本碩連讀”入場券——爺爺是退休內科醫生，父親是藥師，家族的共識向來一致：學醫。

但這一次，小陳猶豫了。

他刷到過那條熱搜：“AI識別肺結節準確率超資深主治”；也聽過同學間的調侃，“規培十二年，出來已中年”。餐桌上的沉默持續了半分鐘，爺爺摘下老花鏡，打破了寂靜：“AI能替你在診斷報告上簽字嗎？”

（網絡圖）

這個問題，在這個夏天，正回蕩在無數面臨醫學志愿選擇的家庭中。它不僅關乎一個考生的選擇，更關乎在技術巨變的拐點上，如何理解“醫生”二字的重量。

影像科變局：AI篩片，醫生決策

早晨8點，福建醫科大學附屬協和醫院影像科的AI輔助診斷系統與CT機同步“上崗”，幾秒鐘內“撈”出全部可疑病灶，自動比對歷次影像，病灶變化一目了然。借助AI，一份初步評估報告的出具時間被壓縮至5分鐘左右。

若列一張“AI替代風險表”，醫學影像學和病理學無疑排在前列。根據國家衛健委等部門2025年底發布的《關于促進和規范“人工智能+醫療衛生”應用發展的實施意見》，到2030年，二級以上醫院將普遍開展醫學影像智能輔助診斷。這意味著，AI將大規模承接重復性的讀片、篩片工作。

但技術的邊界依然清晰。福建醫科大學智能醫學工程系主任李小波告訴記者，目前可利用AI分析影像的成熟軟件，主要集中在肺結節和乳腺結節兩大類。即便是這兩類，AI的定位依然是“輔助”，最終的報告必須由有資質的醫生審核簽字。

▲醫生和技師為放療病人做治療前的準備

更關鍵的是，AI也會犯錯。福建協和醫院影像科副主任醫師林霖說：“AI診斷存在假陽性和假陰性，它沒有臨床思維，因此，判斷病灶良惡性、決定隨訪還是手術、組織多學科會診等工作，依然要依靠醫生。”

在他看來，影像診斷的核心競爭力從未改變，那是結合臨床病史、實驗室檢查、家族史進行的綜合推導，而這些，是AI十年內都難以突破的壁壘。

“考生如果選擇影像或病理，心態要變：未來的核心競爭力不再是‘看得快’，而是‘判得準’。”林霖總結道。

▲林霖醫生在基層帶教

手術刀與聽診器：AI越不過的“人”墻

相比影像科，外科和內科的“抗AI性”更為直觀。一臺進口手術機器人售價高達1600萬至1800萬元，國產設備也需1200萬至1400萬元，單次手術耗材費用3萬至6萬元。但再精密的機械臂，也需要主刀醫生在術中突發狀況下做出經驗性決斷。

內科同樣如此。今年6月，《自然》雜志報道了德國海德堡大學醫院的MIRA和谷歌的AMIE兩款醫療AI模型，它們在標準化測試中的診斷準確率達87.8%，甚至超過部分人類醫生。但研究者反復強調，這些模型目前僅適用于相對規范的病例。

“面對復雜的共病、罕見病以及多學科交叉的疑難狀況，人類醫生的整合決策能力無可替代。”一位三甲醫院心內科主任醫師向記者透露，“AI給出的往往是統計學概率，而醫生面對的是一個個具體的、充滿變數的生命。這種基于不確定性的決策藝術，短期內不可能被算法復制。”

而在精神科、兒科、老年醫學及安寧療護領域，AI的“短板”更加明顯。共情能力、醫患信任構建、心理疏導與倫理抉擇——這些醫學最核心的“人文操作系統”，恰恰是代碼無法習得的能力。

“醫學的溫度，在于傾聽那些無法被數據化的沉默。”福州市第一總醫院安寧療護科主任唐晶晶說，“AI能解讀檢查報告，卻無法解讀病床前的那一聲嘆息。”

▲安寧療護科醫護人員為患兒慶生

醫學生的“新必修課”：醫學+AI

近日，福建省政府印發的《“十五五”數字福建規劃》提出，全面實施“人工智能+”醫療行動，推動人工智能在輔助診療、健康管理、醫保服務等場景的應用，創新構建“人機協同”醫療服務范式。因此，即便短期內醫學崗位不會被AI取代，當代醫學生也必須主動擁抱AI、適應數智化醫療新趨勢。

值得注意的是，AI并未壓縮醫學崗位總量，而是重塑了整體崗位結構。隨著AI工具的普及，數據標注、模型驗證、人機協作流程設計等新興崗位正在涌現。這也倒逼醫學教育加速調整人才培養方向。

據了解，福建省內多所醫學院校已開設智能醫學工程專業，課程體系覆蓋數學分析、大學物理、計算機編程、大數據處理與解剖學、生理學等醫學基礎課，旨在培養兼具醫學素養與編程能力的復合型人才。

除了新增特色專業，現有課程也在全面植入AI基因。2025年起，福建醫科大學將《智能醫學工程導論》列為全校“5+3”一體化臨床醫學專業的必修課，覆蓋四年級在讀學生，教學內容涉及大數據、智能穿戴等前沿領域。

“哪怕未來從事臨床工作，也必須掌握醫工交叉的科研思維。”福醫大智能醫學工程系主任李小波表示。這種改革暗含了國際趨勢：美國醫學教育的主流模式，正是先讓學生在本科階段攻讀數學、物理或計算機等非醫學專業，再進入醫學院深造。“醫學研究需要極強的數理邏輯，AI時代讓這種跨學科背景愈發珍貴。”

（網絡圖）

志愿填報指南：尋找AI時代的“護城河”

站在2026年的時間節點，有志學醫的考生該如何填報志愿？依據行業“抗AI屬性”，結合多方采訪，我們梳理出以下路徑：

一、長學制臨床醫學等

八年制本碩博連讀依然是公認的“黃金賽道”。盡管三甲醫院入職門檻已普遍提升至博士，規培周期長、競爭激烈，但從業者手握執業醫師獨立簽字權，職業發展上限更高，適合家庭能承受長期投入、對醫生職業有深刻認同感的考生。

二、口腔、眼科學類專業

這類專業是AI最難攻克的“堡壘”。雖然牙冠形態的設計、糖網篩查等可以依托AI，但手術操作都是在毫米級的狹小空間內操作，AI難以“下手”，好比讓AI去修表，環境太復雜，容錯率太低，屬于“技術壁壘極高+市場化程度極高”的雙保險專業。

三、緊缺單列專業

麻醉學、兒科學等專業本科就業率相對較高，且受AI沖擊較小。正如一位麻醉醫生所言：“AI很難替代‘病人血壓驟降時，30秒內快速處置’這種極高壓場景下的臨場決斷能力。”

四、轉型中的技術類專業

醫學影像技術、醫學檢驗等傳統崗位雖的確受到AI擠壓，但若向智能影像、分子診斷、基因檢測等前沿方向方向轉型升級后，反而能踩中AI紅利。尤其是智能影像復合型人才，既懂醫學又通算法，是醫療企業的核心緊缺人才。

報考時需注意名稱——“醫學影像學”（臨床類，培養具備診斷資質的臨床醫生）與“醫學影像技術”（技術類，培養設備操作技術人才）雖一字之差，職業發展方向卻截然不同。

五、務實之選：康復、護理與公衛

康復治療學、護理學等精準對接老齡化社會的剛性需求；預防醫學則通往疾控中心、衛健委等事業單位編制崗位，工作強度總體低于臨床一線崗位。

“未來醫生的核心競爭力，正從‘知識儲備’向‘AI無法替代的人文素養與整合能力’遷移。”李小波認為，學生們需要培養臨床決策與批判性思維，具備理解數據科學的基礎邏輯，更要具備對接臨床真實場景的綜合能力。“當你畢業時，這些就是你的護城河。”

聽完爺爺關于“簽字權”的發問，小陳最終在志愿表的第一欄填報了“臨床醫學（八年制）”。同時，他為自己的求學生涯立下了新的目標：不僅要拿到那支簽字的筆，更要磨煉出AI寫不出的處方思維。

現在刷到我們全憑緣分

大家記得設置星標

關注精彩內容不迷路~

福建衛生報全媒體記者：陳坤

策劃：黃波、劉碧華

編輯：小楓

審核：黃美輝、陳靜