人工智能虛擬病人與臨床模擬系統的出現，使醫療教育開始脫離傳統的場域依賴。醫學生不再必須進入病房，才能接觸各類病例。透過平台，病例可以被生成、調整、重複與評估，學習過程變得可控且高密度。當訓練逐步由實體空間轉移至數位系統，一個問題自然浮現：如果 AI 已經可以訓練醫生，醫院在這個過程中的角色是否仍然不可取代。

要理解這個問題，首先需要釐清醫院在醫療教育中的功能。醫院不只是治療病人的場所，也是知識生成與能力培養的場域。臨床輪轉制度讓學員在不同科別中接觸多樣病例，在真實環境中學習判斷與操作。醫院亦承擔評估與認證功能，透過考核與實習制度，篩選出具備基本能力的醫生。除此之外，醫院還是一個高度複雜的社會系統，涉及醫護人員、病人、家屬與行政結構，讓學員在其中學習如何在多重壓力下運作。

人工智能系統目前正在逐步接管其中一部分功能。病例生成與問診訓練可以在平台上完成，臨床決策的初步學習亦可透過模擬反覆練習。評估機制則由演算法提供即時回饋，甚至能比人類導師更一致地比較不同學員的表現。這些能力代表醫療教育中的「知識訓練」與「技能練習」部分，已經不再必然依賴醫院。訓練可以在分散的空間中進行，甚至在個人設備上完成，醫院不再是唯一入口。

但醫院的功能不止於訓練內容本身。它同時提供一種不可簡化的現場環境。真實病人帶來的不確定性、時間壓力、倫理限制與情緒互動，構成醫療工作的核心條件。AI 可以模擬部分情境，但仍然建立在預設模型之上。現實中的複雜性往往來自於偏離模型的情況。病人可能無法清楚描述症狀或因恐懼或文化因素影響溝通。這些因素難以完全被預先設計，卻對診斷與治療具有實質影響。

醫院同時也是責任承擔的場域。醫療行為涉及風險與後果，錯誤可能直接影響生命。這種責任感在實際決策中逐步形成。模擬系統能提供安全的訓練環境，但無法完全再現決策的重量。當醫生面對真實病人時，需要承擔的不只是技術判斷，還包括倫理選擇與後果管理。這種經驗對專業成熟具有關鍵作用，難以完全由虛擬環境替代。

所以當 AI 開始承擔訓練功能，醫院的角色發生轉變。醫院可能逐步轉向驗證與實踐的場域。學員在進入醫院之前，已在模擬系統中完成大量基礎訓練，醫院則負責檢驗這些能力在現實中的適用性。這種轉變使醫療教育呈現出分層結構：基礎訓練在數位環境中完成，高階能力在實體場域中驗證。

這種分層亦會改變醫院的內部運作。當訓練壓力減少，醫院可以更集中於臨床服務與複雜病例處理。教學功能仍然存在，但形式可能更精簡，重點放在高風險決策與跨專業協作。醫院的價值由「訓練場」轉向「高密度現實節點」，專門處理模擬系統難以覆蓋的情境。這種定位轉變，使醫院在整體醫療體系中的角色更加集中，但同時也更關鍵。

另一個值得注意的變化是醫療權威的分布。當訓練系統由 AI 主導，醫療知識的部分權威將從醫院轉移至平台。系統設計者、數據來源與演算法模型，開始影響醫生的思考方式與判斷標準。醫院將成為多個權威節點之一。這種去中心化使醫療體系更加分散，但亦引入新的依賴關係。醫院需要與技術平台協同運作。

在更廣的層面上，這種變化反映出專業訓練模式的整體轉向。醫療並非唯一例子，法律、工程、金融等領域亦逐步採用模擬與演算法進行訓練。當訓練從實體場域轉移至數位系統，專業能力的形成開始依賴可複製的模型。醫院的轉變因此是醫療內部問題及整個知識社會結構調整的一部分。

回到問題本身，「誰還需要醫院」是一個關於功能重組的問題。AI 可以承擔大量訓練任務，但無法完全替代現實場域所提供的複雜性與責任結構。醫院的存在基礎從教育主體轉向實踐核心。未來的醫療體系很可能由模擬平台與實體醫院共同構成，前者負責生成與訓練，後者負責驗證與承擔。

在這樣的結構下，醫院會成為能力被檢驗與承受後果的地方。這種角色的轉變，既提升整體效率，也重新界定醫療專業的意義。醫生在系統與現實之間被塑造。醫院仍然必要，但其必要性不再來自知識的稀缺，而來自現實的不可替代。