我们经常听到这样的说法：人工智能将取代所有人——司机、作家、程序员，甚至医生。当你看到大型语言模型通过医学执照考试，以及合成生物学平台在某些诊断领域超越人类时，很容易会想——AI成为医生还需要多久？
但实际上，这个问题问错了。更好的问题是——“医生的角色将如何随着AI的发展而演变？”因为这一定会发生。在肿瘤学中，没有一个决策是孤立的，这种未来已经在形成中。让我们从肿瘤委员会开始。
对于不熟悉的人来说，肿瘤委员会是一个多学科小组，其中癌症治疗过程中的各种专家——包括内科肿瘤学家、外科肿瘤学家、放射科医生、病理学家、放射肿瘤学家、遗传学家，有时还包括伦理学家——共同讨论复杂的患者病例。为什么？因为癌症是多层次的。对一个专家来说可能看起来很清楚的治疗方案，对另一个专家来说可能会引起警示或发现新的机会。这是协作医学最本质的形式。
例如，放射科医生可能会在扫描中发现一个看似微不足道的异常，而外科肿瘤学家则认为这对患者的虚弱状况来说是高风险的。遗传学家可能识别出一个具有不断变化影响的罕见变异，而放射肿瘤学家则带来了新兴临床协议的新数据。每个专业都从不同的角度看待问题，调和这些观点不仅需要数据，还需要对话、判断和经验。
如果每个专业都在AI系统中建模呢？一个数字肿瘤委员会——每个“声音”都是一个领域训练的模型：一个用于成像，一个用于生物标志物，一个用于药理学，一个用于治疗顺序。
听起来很有前景，对吧？直到你问：“当这些声音分歧时，谁来决定怎么做？”
即使每个模型在其领域内表现最佳，谁来解决它们之间的冲突？谁来决定何时应该根据患者独特的实际情况而推翻教科书上的选择？谁来整合来自小众子领域的未发表新数据，或者考虑那些仍然太罕见或太新而无法成为任何训练集一部分的发现？
事实是，AI无法处理它没见过的东西。它不知道超出其训练数据之外要寻找什么。它无法权衡那些尚未被捕获、编码或验证的事物。一个模型可以检测模式，但它不明白含义。它不会问，“这可能意味着更多吗？”
这种判断——实时整合科学、细微差别、背景和人类情感——不是AI能够被训练来做的，因为AI不知道它不知道什么。它不能直觉到未说出口的东西，更不用说知道什么时候数据感觉不对劲了。这才是明天的医生。
这不是一个数据录入员或治疗自动售货机，而是一个领导者，一个不仅能在多学科肿瘤委员会的发现上执行，还能在一个元委员会——将临床专业知识、代谢组学、免疫谱型、实际结果、社会健康决定因素，甚至是患者的生活方式和个人价值观编织在一起的人。在这种意义上，医生既是癌症护理的“程序员”，也是“用户界面”。
这一点尤其重要，因为癌症护理不仅仅是你能做什么——而是你应该做什么。有一种定性提升是AI无法计算的：痛苦的度量、遗憾的微妙之处、希望的质感。模型不懂预感悲伤。它们不明白为什么一位祖母可能会优先考虑圣诞节而不是化疗，或者为什么一个青少年可能会拒绝鼻饲管。
这些不仅仅是轶事；它们是另一种类型的数据点，并且具有机器目前无法理解的分量。
最终，必须有人负责综合所有这一切——一个理解什么应该重要，而不仅仅是已经重要的医生；一个能够超越实验室或扫描可见的东西，感知未说出口的事情，并为那个特定的患者留出空间，而不是仅仅基于模型所训练的“平均”患者。
随着AI工具变得越来越智能，医生也必须变得更加精明。技术正在迅速发展，但在护理点进行解释、整合和领导的需求也在迅速增长。在这个未来，AI不会取代医生；它会重塑他们，扩展可能性，提高准确性和可及性，并加速曾经缓慢的时间线。但仍然需要有人在中心，将一切整合起来，捕捉模型遗漏的部分，并做出最终决定。
尽管AI非常聪明，但它不会讲故事——人们才会。而医学，从根本上讲，仍然是一个人帮助另一个人的故事。这一点不会改变。
(全文结束)
