英文版博文鏈接：

在過去的一個世紀(jì)里，醫(yī)學(xué)教育大體沿循著由 Flexner Report 所確立的結(jié)構(gòu)：先打下堅實的基礎(chǔ)科學(xué)根基，再進(jìn)入臨床訓(xùn)練。在信息有限、醫(yī)學(xué)充滿不確定性的時代，這一模式保證了醫(yī)學(xué)的嚴(yán)謹(jǐn)性與安全性。

但今天，這一前提已經(jīng)發(fā)生改變。

人工智能正在重塑知識的獲取與使用方式。信息不再稀缺。醫(yī)學(xué)教育的核心問題，也不再是“如何傳授知識”，而是“如何培養(yǎng)能夠使用知識的醫(yī)生”。

一個正在擴大的結(jié)構(gòu)性矛盾

全球醫(yī)療體系正面臨不斷增長的需求：人口老齡化、慢性病負(fù)擔(dān)上升，以及醫(yī)療服務(wù)模式向長期管理的延伸，都在持續(xù)推高醫(yī)療壓力。與此同時，醫(yī)生的培養(yǎng)周期依然漫長、成本高昂，且難以快速擴展。
于是，一個結(jié)構(gòu)性矛盾逐漸顯現(xiàn)：需求在加速，而培養(yǎng)路徑卻基本保持不變。
解決這一問題，并不是以犧牲質(zhì)量為代價去“更快地培養(yǎng)更多醫(yī)生”，而是重新思考：我們究竟該如何分配醫(yī)學(xué)訓(xùn)練中的時間。
AI與“學(xué)習(xí)時間”的重新分配
AI并沒有讓醫(yī)學(xué)變簡單，它改變的是學(xué)習(xí)的成本。在當(dāng)前的醫(yī)學(xué)教育中，大量時間仍然用于記憶。而借助可視化、模擬技術(shù)以及AI輔助學(xué)習(xí)，基礎(chǔ)知識的獲取與組織，已經(jīng)可以在更短時間內(nèi)完成。
醫(yī)學(xué)訓(xùn)練的核心，在于建立結(jié)構(gòu)化思維——能夠?qū)⒔馄?、生理與病理整合為一個可用于決策的認(rèn)知模型。這一能力本身難以被壓縮，但完全可以更早開始形成。
因此，方向也變得清晰：減少低效的記憶，把時間重新投入到更高層級的能力上。

從“學(xué)科分割”走向“整合學(xué)習(xí)”
傳統(tǒng)課程以學(xué)科為單位，將知識分割開來。這樣的結(jié)構(gòu)在教學(xué)上高效，卻延后了知識真正被使用的時刻。而在AI的支持下，整合學(xué)習(xí)第一次變得更具可行性。
學(xué)習(xí)可以從一開始就圍繞系統(tǒng)與臨床問題展開。例如，在學(xué)習(xí)循環(huán)系統(tǒng)時，學(xué)生可以同時理解結(jié)構(gòu)、功能以及功能失調(diào)，并通過真實的臨床情境加以錨定。知識不再是事后拼接的結(jié)果，而是在語境中被理解和掌握。
那些必須被保留、甚至被強化的部分
當(dāng)知識獲取變得更加高效，人類能力的重要性反而更加凸顯。
臨床判斷、溝通能力、倫理思考，以及在不確定性中的決策能力，仍然是醫(yī)學(xué)的核心。這些能力無法外包給AI，也無法通過短時間獲得，它們需要持續(xù)而有意識的訓(xùn)練。
真正的改革，不應(yīng)削弱這些部分，而應(yīng)為其留出更多空間和時間。

作者聲明：
本文僅代表個人觀點，不能替代專業(yè)醫(yī)生的診斷與治療建議。
靜脈曲張的評估與處理需結(jié)合個體情況，由具備相關(guān)資質(zhì)的醫(yī)生進(jìn)行判斷。