人工智能（AI）已經無處不在，并且在醫學領域的應用也越來越廣泛。在某些情況下，AI可以增強甚至取代醫生的一部分工作。

醫學生在選擇專業時，應當考慮到AI將如何改變醫生的崗位形態（以及獲得的薪酬待遇）。再結合專業培訓所對應的大量時間投入和跨專業的高門檻，這一點就更顯得至關重要。

1760年至1840年之間爆發的工業革命期間，也出現過類似的“替代性”擔憂。當時隨著1775年詹姆斯·瓦特的蒸汽機和1793年伊萊·惠特尼的軋棉機等機器的發明，人們紛紛驚呼未來的世界將不再需要工人。最終，一部分崗位被因此淘汰，但由于還需要人類來照看和修理設備，更多工作崗位也被創造了出來。

AI掀起的本輪栽倒也可能會走上類似的路線，只是推進速度將會成倍增加。隨著AI對于醫學實踐的顛覆，它很可能比當初工業革命更劇烈的方式改變醫生隊伍需要滿足的技能需求。

下面來看AI最終可能取代的幾個醫學專業方向。

診斷放射學

放射學使用X射線、CT掃描、核磁共振和超聲波等成像技術來診斷疾病。而AI算法則特別擅長檢測圖像模式，并分析各種數字化數據。

在2019年的一項研究中，研究人員嘗試將獨立AI（完全不涉及放射科醫師的干預）與101名放射科醫生在2652張乳房X光篩查的結果進行了比較。研究發現，AI的準確率與放射科醫生幾乎完全一致。AI輔助篩查胸部X光片將檢測氣胸（肺部外部存有空氣）罪狀異常的敏銳度提高了26%，檢測肺部實變（代表感染）和肺結節（可能是腫瘤的早期征兆）的靈敏度則提高了9%。

短期之內，AI將成為放射科醫生們強有力的合作伙伴。但從長遠來看，隨著這項技術變得越來越獨立，醫院對于診斷放射科醫生的需求可能會逐漸減少。

診斷病理學

病理學的核心，在于通過檢查組織、細胞和體液并配合各類實驗室工具進行診斷。與放射學一樣，AI驅動的算法會分析數字化病理切片，從而增強對癌癥檢測、腫瘤分類和生物標志物的量化能力。

2022年的一項研究表明，AI模型能夠顯著提高深部粘液樣軟組織病變的病理學報告診斷準確性，而這是一種傳統診斷難度極大的病變。AI模型的準確率高達97%，而人類病理學的準確率僅為70%，一舉將誤診率降低了90%。2024年的另一項研究則發現，獨立AI模型在解釋甲狀腺細針穿刺細胞學方面更加準確。與專業細胞病理學家相比，AI模型的準確率高達95%，而專業細胞病理學家的準確率則為89%。

當前，AI能夠顯著提高病理學家的診斷準確性、速度和一致性。但隨著這項技術的持續發展，相當一部分工作可能會完全自動化。

皮膚科

皮膚科涉及對皮疹和皮膚病變的評估，且面對的通常是由全科醫生轉診或者直接掛皮膚科號的患者。在大量皮膚圖像數據集上訓練而成的AI模型，能夠幫助識別癌癥并診斷各類慢性皮膚疾病。

最近的一項研究發現，AI支持顯著提高了皮膚科醫生對于黑色素將為和皮膚鏡圖像分類工作的靈敏度和準確性。診斷靈敏度從60%提高到了75%，準確率則從65%提高到了73%。另一項研究發現，AI助手大大提高了非專科醫生診斷皮膚病時的準確性——AI輔助組的準確率為54%，而無輔助組的準確率僅為44%。

隨著AI皮膚診斷算法在實踐中的應用，這項技術將持續獲得改進。一部分技術方案（例如Skin Vision和Mole Mapper）無需人為干預即可診斷皮膚狀況，而這項技術應用范圍的擴大更是有望降低判斷門檻，將疾病診斷和管理的裁量權移交給非專科醫生甚至是患者本人。

內科和兒科等非手術類專家

心臟病專家、內分泌學家、胃腸病學家、風濕病學家以及傳染病醫生都是能夠治療所在領域復雜疾病的專家。相較于內科或者兒科住院醫師，他們的培訓往往需要更長的時間和更加艱辛的積累。

未來，AI有望減少咨詢這些專家以獲取建議及診療意見的需求。與之對應，醫生自身也可能會越來越依賴AI工具。全科醫生（例如初級保健、兒科、急診醫學和在院規培生）有望在AI的指導下輕松診療復雜病癥，最終擴大自己的執業范圍。

此外，AI技術還可能在不涉及手術的各方向上帶來更積極的影響，比如外科護理。但必須承認，AI在短期之內還不太可能取代需要獨立完成的手術操作。

當然，以上專業領域是否會如我們預想般向著AI轉向，目前仍在未定之天。眾所周知，醫療保健在創新應用方面的進展相對緩慢，專業群體對于診療模式的變革也往往表現出相當強烈的抵觸情緒。

盡管如此，考慮到這種潛在未來可能對正在規劃長期職業生涯的醫學生們的重大影響，大家顯然有必要在做出選擇之前認真思量。畢竟ChatGPT等各類AI工具，正在以前所未有的速度改變醫生群體的執業方式。