问题——智能工具能否进入核心诊疗流程、以何种方式进入，正成为医疗机构推进数字化转型中的现实课题。
病历系统不仅是信息记录载体，更与诊疗决策、处方开立、医嘱执行、质控考核等环节紧密相连，牵涉患者安全和法律责任。
当前智能应用在病历质控、文书生成、影像辅助、检验提示等方面展现效率优势，但一旦从“辅助”变为“默认”，由谁最终下结论、如何追责、如何复核，就必须给出清晰答案。
原因——张文宏提出“不直连病历系统”的核心关切，集中在三方面：其一是临床训练路径。
资深医生具备甄别错误与补齐证据链的能力，把智能工具用于预审与提示，有助于提高信息整合效率；而在基本功尚未扎实的阶段，若把智能输出当作默认结论，可能形成“会做不会解释、能对不能界定边界”的依赖型能力结构，遇到表面合理但关键环节偏差的建议时，识别与纠偏能力不足。
其二是责任链条。
病历系统承载签名、审核、授权等制度功能，直连后容易出现“建议—采纳—执行”过程的责任稀释，出错时出现归因模糊，影响医疗安全事件处置与复盘改进。
其三是纠错机制。
高风险行业更需要防范“看起来像对”的错误：结构完整、表述肯定、逻辑顺畅，但证据不足或边界判断失当。
若缺少抽检、回放、对照、追溯等闭环，错误可能以“合理”的形式沉入流程，形成系统性盲区。
影响——从短期看，智能应用在减少重复劳动、提升信息整理速度方面确有现实价值，有利于释放医护时间，改善患者就医体验；但从中长期看，若治理框架滞后，可能带来三类风险：一是能力风险，医生队伍尤其是青年医生的独立推理、鉴别诊断与风险沟通能力被“外包”，影响学科可持续发展；二是安全风险，错误一旦跨越提示层进入决策层，将直接作用于处方、检查、用药与随访安排，后果更难挽回；三是治理风险，责任不清会削弱制度执行力，增加医患纠纷处置难度，并对医院质控、医保审核与合规管理造成压力。
对策——业内普遍认为，关键在于把“可用”变为“可控”，把“提效”建立在“可追溯”的基础上。
一是明确边界与分级使用。
对高风险环节坚持“人负责、机提示”，将智能应用定位于候选方案、风险提示、资料汇总、文书规范等辅助层；对处方、诊断结论、关键医嘱等核心决策设置“必须人工确认”的硬约束，避免默认采纳。
二是固化责任链条与审计机制。
病历系统内应保留清晰的签署、修改、引用来源记录，做到“谁采纳、谁负责；何时采纳、为何采纳”可回溯；同时建立抽检与复盘制度，把错误发现机制制度化、常态化。
三是加强临床训练与能力建设。
将智能工具纳入规范化培训体系，强调“先掌握方法再使用工具”，把智能输出作为讨论材料而非标准答案，通过病例讨论、反例库建设、交叉审核等方式提升青年医生的证据意识与边界意识。
四是完善技术与管理配套。
推动数据治理、模型评估、提示可解释性、敏感信息保护等基础工作，建立与医院质控、伦理审查、信息安全相衔接的管理流程，避免“先接入后补制度”的被动局面。
前景——随着医学知识更新加快、临床数据规模扩大，智能辅助在医疗领域的应用仍将持续推进。
可以预期，行业将从“单点试用”转向“制度化部署”：能否在不同科室、不同风险级别下形成可复制的使用规范，将决定其长期价值。
未来的方向不在于简单“用或不用”，而在于形成以患者安全为中心、以责任可追溯为底线、以能力培养为支撑的治理体系，让技术服务于诊疗质量提升而非替代临床思维。
AI技术的发展为医疗事业带来了新的机遇，但机遇与风险往往相伴而生。
专家的这一提醒提示我们，在追求技术进步的同时，必须保持对专业能力、制度设计和长期影响的清醒认识。
医疗的本质是对生命的尊重，这要求我们在应用任何新技术时都必须慎之又慎。
真正的进步不是简单地用机器替代人的判断，而是在充分发挥技术优势的同时，守住人的专业能力和制度责任的底线。
只有这样，AI才能真正成为医疗事业的助力，而不是隐患。