对医生来说，使用AI最务实的做法，也许是不再寻找一个包办一切的应用。更合适的方式似乎是组建一支由专用工具组成的小团队：每个工具只负责一项工作，由医生分派任务并检查结果。在一位医生的日常工作中，NotebookLM负责消化冗长的临床指南，装有Obsidian Copilot插件的Obsidian根据多年积累的个人笔记回答问题，OpenEvidence和Heidi在诊疗过程中给出附带引用的答案，Readwise让读过的内容不至于流失，AI病历助手Lyrebird则负责起草诊疗记录。这些工具都不做临床决策，它们产出的任何内容仍需医生核查。
把AI工具当作员工，由医生掌舵
备考者和正在接受培训的医生经常提出同样的问题：AI会取代医生的工作吗？它能帮助自己通过考试吗？许多人已经在试用AI工具，但往往没有清晰的规划，不清楚这些工具该如何配合。
这套做法始于观念的转变。与其把AI看作医生的替身，不如把每个工具看作一名职责范围很窄的新员工。医生扮演首席执行官的角色：每个工具都有明确的任务，内容和临床判断的最终决定权留在医生手中，核查返回结果的责任也同样如此。日常文书工作不必再亲手完成，但责任并不会转移给软件。工作原则很简单：由临床医生学会驾驭工具，而不是让工具左右工作方式。
工具的选择也遵循同样的思路。由单一用途工具组成的模块化组合，每个工具做好一件事，似乎比样样都做却样样平平的一体化套件效果更好。整套工具如下：
| 工作 | 工具 | 负责内容 |
|---|---|---|
| 消化新指南 | NotebookLM | 变化要点摘要、记忆卡片、测验和思维导图 |
| 存储与查询知识 | Obsidian和Obsidian Copilot | 集中在一个仓库里的笔记，用日常语言提问检索 |
| 跟进阅读 | Readwise Reader、Readwise、Obsidian Web Clipper | 保存文章、复习高亮内容、把论文转成学习笔记 |
| 诊疗中的循证依据 | OpenEvidence、Heidi | 回答诊断和治疗管理问题，并附上引用 |
| 教学材料 | AI智能体 | 重新排列和整理资料，形成授课笔记 |
| 病历记录 | Lyrebird | 起草诊疗记录、转诊信和其他文书 |
用NotebookLM压缩冗长的指南
假设一份新发布的慢性肾病指南长达数百页。医生不必逐页阅读，而是把整份PDF上传到NotebookLM。这是谷歌推出的AI笔记工具，能根据用户提供的文档回答问题、撰写摘要。它会把指南提炼为两点：哪些内容发生了变化，哪些内容最重要。
摘要随后就成了学习材料。NotebookLM可以把它做成记忆卡片和选择题，检验自己掌握了多少；还能绘制思维导图，展示相关临床概念之间的联系。效果就像把几个小时的繁重阅读交给一位助手，换回几分钟就能看完的成果。不过，这些摘要仍然是机器的产出，确认其是否准确的依然是医生。
能回答问题的个人知识库
提炼后的内容会转入Obsidian。这是一款笔记应用，以Markdown这种轻量级标记格式把笔记保存为纯文本文件，并让笔记相互链接。这个笔记集合称为仓库（vault），里面存放着多年积累的学习笔记、诊疗指南和病例总结。
仓库一大，靠滚动翻找就很费力。Obsidian Copilot插件为仓库加上了一层AI，医生只需用日常语言提问即可。它只根据仓库里已有的内容组织每个答案。常见的提问包括：
- 我自己整理的烧心处理要点
- 我写下的高血压处理方案
- 为患痤疮的青少年准备的咨询要点
- 急性心肌梗死的处理步骤
由于答案只来自医生自己的笔记，它们始终与医生已经研读过的内容紧密相连，这似乎正是这套做法的主要吸引力。Obsidian的关系图谱（直观展示笔记之间链接的视图）则提供了另一个角度：它能显示新学的指南与过去的病例以及医生已有的知识之间有何关联。
▲ 连接笔记与指南的个人知识库
别让读过的内容流失
忙碌一天中读过的文章很容易忘掉。为了留住它们，这套工作流程依靠Readwise系列工具。稍后阅读应用Readwise Reader会收集白天遇到的文章、网页和电子书章节。每天早上，Readwise会把之前的高亮内容重新推送出来供复习。这就是间隔重复：每隔一段时间重温材料，让记忆更加牢固。
Readwise还内置了AI助手，可以检索过去的高亮内容。它曾从医生三周前标记的一篇文章中，找出了一条具体的处方建议。
需要深入学习时，浏览器扩展Obsidian Web Clipper会提取文章正文，整理成字段统一的学习笔记，并直接存入仓库，无需额外操作。澳大利亚一份全科医学期刊上关于避孕的文章就是一个例子。
诊疗中的循证依据，以及为什么每条引用都要点开
诊疗过程中冒出问题时，仅靠个人笔记并不够。这时，医生会使用OpenEvidence和Heidi。两者都内置了研究助手，可针对诊断和治疗管理回答具体问题，并以结构化的方式给出答案，附上引用和参考文献列表。
以激素检测为例，就能看出其用法：医生可以询问何时应考虑检测、如何解读结果以及何时进行检测。Heidi优先采用本地依据，把澳大利亚的基层医疗指南和参考资料排在最前面。
一个主要隐患是幻觉，即AI系统生成听起来可信却并不真实的信息的倾向。临床检索工具和研究助手可能编造数据，甚至编造参考文献，而且这种情况可能经常发生。无论采取什么行动，法律、伦理和临床责任都在医生身上，因此在改变患者的诊疗方案之前，必须打开并阅读所引用的原始资料。
这些是供临床医生使用的工具。患者从AI聊天机器人那里得到类似回答时，不应将其视为诊断或治疗方案，有关自身健康的决定应交由医疗专业人员作出。
教学笔记：AI负责排列，医生负责设计
资料存入仓库后，医生会借助AI智能体（能够自主完成多步骤任务的软件）把它们整理成教学笔记。AI智能体会按照授课所需的顺序排列参考资料，并把晦涩的指南改写成通俗的讲解，供准备执业注册考试或专科资格考试的人学习。
授课的逻辑始终由医生把握。结构、语气以及先讲哪些临床要点，都由医生决定。AI的工作仅限于根据医生选定的资料调整格式、合并内容并撰写初稿。
让医生重新与患者对视的AI病历助手
对于执业中的临床医生，环境式AI病历记录承担了很大一部分文书工作：软件跟随诊室里的对话，起草病历。在这套工具中，承担这一角色的是Lyrebird。它可直接接入全科诊疗软件，例如澳大利亚的电子病历系统Best Practice，把对话转成诊疗记录、转诊信和各类表格。还可以针对最常见的就诊类型定制模板，例如续方复查、检查结果解读或以预防为主的门诊。
主要的好处在于人，而不在于技术。医患之间不再隔着屏幕，医生可以保持眼神交流，全神贯注地与患者交谈。手动录入病历通常每次就诊约需5分钟，而AI病历助手可以把这段时间省下来。
▲ 诊疗中以眼神交流代替屏幕
代价是必须审核。AI病历助手会听错、记错，而且这些差错往往小到容易被忽略。每份草稿都需要在就诊结束后立即阅读、修改并确认，未经这一步检查的病历不得保存或定稿。即便把审核时间算进去，与全部手动录入相比，每周节省下来的文书工作时间仍可达数小时。
对于尚未在澳大利亚接诊患者的海外培养医生和医学生来说，这一部分目前可能用处不大。
六个阶段，从一个工具开始
整个工作流程分为六个阶段：
- 研究
- 整合
- 存储
- 定制
- 应用
- 记录
每个阶段都依靠一个能做好一件事的工具。贯穿始终的前提是：AI为医生已有的能力增添助力，而不替医生进行诊断思考。职业上更大的威胁，或许与其说来自AI本身，不如说来自那些已学会高效运用AI的同行。
想尝试这种做法的读者，可以这样开始：
- 选定一个工具，每天使用，坚持一周后再引入第二个。
- 用NotebookLM拆解冗长的指南，然后亲自核对摘要。
- 证据工具给出的每条引用都要打开阅读，然后再根据答案采取行动。
- 每次就诊结束后立即校对AI病历助手的草稿，保存前改正错误。
- 教学材料的结构、语气和优先顺序由自己决定，只把排序和起草交给AI。