What happens when medical students rely on AI – and never develop their own judgment? | Simar Bajaj and Joseph Sakran

AI 摘要

一句话摘要: AI在医学教育中可能导致学员从未建立临床判断力，风险比专家技能退化更严重。 关键事实: 约三分之二美国医生使用OpenEvidence AI聊天工具，医学生和住院医师也在早期阶段依赖该工具，文章区分了deskilling（技能退化）与never-skilling（从未掌握技能）两种风险。 涉及主体: OpenEvidence, Simar Bajaj, Joseph Sakran 可能影响: 医疗AI工具若在培训阶段被过度依赖，可能削弱新一代医生的基础诊断能力，推动医学教育需重新设计以平衡AI使用与临床推理训练。 是否值得继续跟踪: 是，因为AI在专业教育中的渗透是长期趋势，且“从未掌握技能”的后果具有不可逆性，影响医疗质量与行业标准。 噪音/炒作风险: 低，文章基于具体工具（OpenEvidence）和明确教育风险，非泛泛而谈，且涉及可验证的临床实践变化。