美国医学会公然向AI炒作宣战——并为各行业立下范本

AMA 刚刚划下了一条红线

本月发表在《美国医学会杂志》（JAMA）上的一篇论文提出了一个大胆论断：在四年内，纯AI将比医生或医联AI混合模式提供更好的医疗服务。这篇论文的作者——生物伦理学家伊齐克尔·伊曼纽尔（Ezekiel Emanuel）和风险投资家维诺德·科斯拉（Vinod Khosla）认为，AI已在五项核心任务上超越医生——采集患者信息、诊断、进行检查，以及管理慢性病。

随后，美国医学会（AMA）首席执行官约翰·怀特（John Whyte）回击了这篇论文。

这不是一场普通的学术分歧，而是一次机构层面的权力博弈。胜负将重塑每个知识密集型行业的责任归属、监管框架以及落地时间表。赌注远不止AI能否读懂放射影像——而是当AI出错时，谁来承担责任。

方法论问题

据《连线》报道，怀特的反驳直指该论文的证据基础。他指出，论文引用的几项研究属于模拟实验，而非盲法随机试验——后者才是临床研究的黄金标准。模拟实验对早期假说生成确有价值，但在真实世界中，患者不会按剧本行事，边缘病例会以超出模型处理能力的速度涌现，模拟结果根本无法扛住这些挑战。

他还引用了今年二月《自然》（Nature）期刊上的一项研究：大多数患者难以从AI聊天机器人那里获得有价值的专业建议，这与JAMA论文声称"AI已熟练掌握患者交互"的说法直接相悖。如果实证记录如此碎片化，那么该论文最激进论断的置信区间就大幅扩展了。

不过，怀特轻描淡写的"技能退化"担忧，可能比他透露的更为真实。专为临床医生打造的AI聊天机器人OpenEvidence的内部数据显示，约三分之二的美国医生已在用它。资深医生报告称，医学生正越来越依赖大语言模型进行诊断推理，而他们自己尚未通过独立实践培养出相应的模式识别能力。这不是假设——这在医院病房里正在发生。

“混合退化"论

该论文最具争议的观点是：人机混合模式的表现实际上不如纯AI。其逻辑如下：AI进步飞速，人类止步不前，而人类参与会引入误差方差——因此剔除人类应当改善结果。听起来干净利落，但作为政策建议却潜藏风险。

加州大学旧金山分校（UCSF）医学院院长、伊曼纽尔的合作伙伴罗伯特·瓦赫特（Robert Wachter）承认了这一趋势方向。他对《连线》表示：“在某些情况下，人类确实会搞砸表现。“但他并未全盘支持该论文的结论，而是指出了所谓的"门童谬误”——认为自动门会取代门童的需求。事实并非如此。门童进化成了礼宾员，提供了旋转玻璃门无法复制的待客之道与判断力。

瓦赫特的类比有其局限——医学毕竟不是服务业——但核心论点站得住脚：高技能行业往往将自动化吸收进更窄、更有价值的角色中，而非彻底消失。关键问题是：医生会成为礼宾员，还是变成别的东西。

若AI接管病房，谁真正获利

如果论文的四年时间表成真，AI开始取代医生的职能，经济价值的重新分配将十分明显。

赢家：AI开发者和自建专有模型的医院。率先采用AI优先工作流的机构，在高频诊断领域可将人力成本削减30%至50%。医疗事故保险公司的格局面临根本性重构——如果算法做出误诊，谁买单？开发者？医院？批准该工具的监管机构？这些问题目前都没有定论。

输家：住院医师和医学生。如果AI处理常规诊断，培养资深医生的学徒制管道将断裂。从未发展出独立诊断直觉的医学生将依赖于自己无法审计或覆盖的工具。这正是论文既记录了又无意加速的技能退化陷阱。

AMA的抵制部分出于自身利益——医生的收入和职业自主权都受到威胁。但从结构上看，这种抵制是理性的。医学建立在以人为责任主体的问责框架之上。一旦移除人类，整个法律架构就会支离破碎。

超越医学的先例

伊曼纽尔-科斯拉的论文发表在一个交战规则仍在撰写的领域。正因如此，AMA的反制所影响的不止于医疗。

法律、会计、财务顾问、建筑等每一个专业服务行业都在密切关注这场争议的走向。模板很简单：技术倡导者发表关于AI优越性的大胆论断，机构从方法和责任角度反击，监管者决定是将其纳入实践还是束之高阁。第三步的速度和方向，将决定AI成为工具还是替代品。

教育行业已经经历过类似一幕。一篇被大肆宣传的论文声称ChatGPT对"学习表现产生了巨大的积极影响”，但在审稿人发现重大差异后，施普林格·自然（Springer Nature）撤回了该论文。然而这个说法已经存续足够长的时间，影响了资金决策和课堂政策。这条轨迹——大胆论文、机构争议、部分正常化、最终修正——很可能也是医学的走向。

接下来会发生什么

四年在医学领域是一个很短的窗口。临床试验周期更长，监管审批周期也更长。论文的假设基于技术发展的节奏，但这一节奏无法映射到医疗的审批体系之上。更可能的情形是渐进侵蚀：AI承担越来越多的分诊、文书和模式匹配工作，而人类保留最终签字权，直到责任框架迫使界限更清晰。

AMA的介入表明，这个行业不会被动让出这条界线。预计还会有更多机构反制、更多方法论批判，以及最终出台将"人在回路"要求写入法规的提案，用于高风险AI决策。

论文的判断——AI独自表现将优于医生——在方向上或许最终被证明是正确的。但时间表、责任问题和制度阻力表明，转型会比作者暗示的更加复杂和缓慢。AMA已经划下了界线。现在的问题是，在那条线被推远之前，AI能走多远。