AI引发的医疗技能退化：混合方法综述与医疗及更广领域的研究议程

《ARTIFICIAL INTELLIGENCE REVIEW》：AI-induced Deskilling in Medicine: A Mixed-Method Review and Research Agenda for Healthcare and Beyond

本刊推荐：为解决人工智能(AI)在医疗领域深度应用可能引发的临床医生技能退化(deskilling)与技能提升抑制(upskilling inhibition)问题，研究人员开展了基于PACES-MRCPUK临床能力框架的混合方法研究。通过系统综述与叙事整合，揭示了AI对体格检查、鉴别诊断、临床判断和医患沟通等核心能力的潜在负面影响，并提出了包含纵向研究、实时监测和框架开发的研究议程，对维护专业自主性和保障医疗AI时代的临床技能体系具有重要意义。

　　

随着人工智能技术在医疗领域的快速渗透，一场静悄悄的能力危机正在临床实践中蔓延。诊断算法能够以超越人类的准确率识别影像异常，智能决策系统可以瞬间完成复杂的鉴别诊断，这些技术进步在提升医疗效率的同时，也带来了一个令人担忧的潜在后果：医生的临床技能是否会因过度依赖AI而逐渐退化？这种"第二奇点"现象——即人类将决策自主权逐步让渡给AI系统，导致人类监督能力不断削弱——正成为医疗教育者和政策制定者关注的焦点。

在《ARTIFICIAL INTELLIGENCE REVIEW》发表的这项研究中，Chiara Natali及其合作者通过混合研究方法，首次系统性地探讨了AI引发的医疗技能退化问题。研究团队创造性地区分了两个密切相关但概念不同的现象：技能退化(deskilling)指由于实践减少而导致已有专业能力的退化；而技能提升抑制(upskilling inhibition)则指因过度依赖AI系统而抑制了获得新技能或高级技能的机会，特别是在培训医生中。

为全面评估这一问题，研究人员采用了双管齐下的方法策略。系统综述部分严格遵循PRISMA指南，基于英国皇家医师学院联合会的临床检查技能实践评估(PACES-MRCPUK)框架，对三大数据库(PubMed、Scopus和Web of Science)中符合严格纳入标准的文献进行了系统性分析。叙事综述部分则通过Google Scholar进行探索性检索，聚焦人机交互和组织技能动态等更广泛的主题，最终纳入62篇文献进行定性主题合成。

关键技术方法包括：1）基于PRISMA指南的系统文献检索与筛选流程；2）使用PACES-MRCPUK临床能力框架对技能退化担忧进行分类分析；3）利用Litmaps和VOSviewer进行文献计量可视化；4）采用定性主题合成方法分析叙事文献中的核心主题。

系统综述结果

研究发现AI引发的技能退化担忧主要集中在七个领域。在体格检查和识别体征方面，研究显示依赖AI可能导致医生手动技能和检查技能退化，一旦技术故障，医生可能无法准确诊断患者。临床沟通和管理患者担忧方面，AI工具可能使医生更关注读取AI评估结果而非直接与患者互动，影响诊断推理和医患信任关系。

鉴别诊断领域面临双重挑战：AI可能影响医生的诊断准确性，同时减少临床知识积累和诊断信息分析能力。特别是对培训医生，如果AI自动处理所有简单病例，未来病理学家可能不再熟悉大多数常见病变。临床判断方面则存在三个潜在负面影响：临床推理和判断能力下降、不愿提供明确的临床评估以及临床决策能力减弱。

研究还发现AI可能影响医生维护患者福祉的道德技能，削弱患者安全。在组织层面，过度依赖AI可能导致系统脆弱性，当流程完全依赖AI技术时，整个专业可能失去先前掌握的技能。AI特定问题包括人机交互引发的医疗错误、对AI工具的依赖加深以及无法理解和挑战AI输出的能力欠缺。

叙事综述结果

叙事分析揭示了人机交互和AI采纳整合的深层影响。研究发现AI可能通过自动化偏见导致临床判断力减弱和诊断推理减少，医生角色正从临床医生向监督者转变，面临专业身份重新定义和自主权丧失的挑战。

医疗教育和培训需要重大变革，必须修订课程以确保技能保存，在提升AI素养的同时保持人类核心能力。伦理和道德技能退化尤为令人担忧，表现为伦理敏感性下降和道德判断力减弱，同时带来人类问责制和责任缺口的挑战。

技术社会脆弱性方面，AI依赖增加可能导致系统脆弱性，技术依赖度提高，以及无法验证或推翻AI故障的能力缺失。然而研究也发现了人机协同的缓解潜力，通过深思熟虑的整合和角色划分，混合智能可以促进技能增强和韧性。

伦理影响与跨领域启示

AI驱动的技能退化引发了超越即时绩效差距的伦理担忧，涉及专业完整性和公众信任。在医疗领域，由于依赖AI导致的临床医生能力丧失引发了关于如何保障患者福祉的疑问。这些担忧并非医疗领域独有，其他高风险领域——法律、航空、金融——也面临类似风险。

技术技能方面，过度依赖AI可能侵蚀人类专业人才的技术技能和领域专业知识，引发关于能力和安全的伦理问题。道德技能方面，AI诱导的技能退化可能涉及从业者失去其道德和伦理技能——这被描述为道德技能退化。责任与自主性方面，AI诱导的技能退化也使个人责任和自主性复杂化。

组织能力方面，AI诱导的技能退化可能通过侵蚀集体专业知识、团队合作和未来专家的培训渠道来削弱机构的组织能力。跨领域治理可以相互借鉴，每个领域实施主动措施，而不是仅仅从自己的错误中学习。

研究议程与缓解策略

针对这些挑战，研究提出了全面的议程框架。概念澄清方面，需要区分AI诱导的技能退化、技能提升抑制和再技能化现象，澄清技能转变与直接技能损失或被抑制的技能获得之间的区别。实证研究应当开展实时监测和纵向研究，以检测从业者与AI互动的变化并评估对能力和结果的长期影响。

实际干预措施包括开发混合智能和AI设计，创建积极参与从业者的AI工具，通过情境感知和摩擦交互增强专业推理和防止技能萎缩。跨学科合作应鼓励临床医生参与AI开发，培养跨学科合作，并为完善AI应用建立持续反馈循环。

教育计划和互补性以人为本的技能需要将全面AI教育整合到专业课程中，持续专业发展计划，伦理研讨会以增强从业者自主权和决策能力。政策与治理应倡导基于证据的政策解决AI诱导的技能动态，促进伦理AI整合，并保障从业者自主权。

结论

研究表明，AI在医疗领域的整合代表了效率与专业知识、自动化与自主权、技术精度与人类直觉之间的平衡行为。虽然AI提供了增强医疗实践的前所未有的机会，但未来的研究必须致力于描述、促进和保护人类临床判断、患者沟通和伦理推理的不可替代元素。技能退化的风险不是AI实施的必然结果，而是必须通过负责任的治理、战略培训计划和基于证据的政策干预来预期和管理的挑战。

这项研究的意义超越了医疗领域，为所有高技能专业应对AI时代的能力挑战提供了重要参考。通过识别风险、提出缓解策略和制定研究议程，该研究为确保AI技术增强而非削弱人类专业知识奠定了基础。在技术快速发展的时代，维护人类专业技能的核心要素不仅是技术问题，更是关乎医疗质量、患者安全和专业价值的本质问题。