衡宇 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

“我最近喉嚨像刀割一樣痛，還伴隨鼻塞，但沒(méi)有咳嗽……這是染上流感，還是又中招了？”

上面這個(gè)場(chǎng)景，已逐漸成為大眾與AI互動(dòng)的日常之一。

但這背后隱藏的是醫(yī)療AI真實(shí)能力與臨床期待之間的落差。北京協(xié)和醫(yī)院胸外科主任醫(yī)師梁乃新對(duì)我們表示，雖然不時(shí)傳出“AI在xx執(zhí)業(yè)醫(yī)師考試中拿下高分”的新聞，但現(xiàn)實(shí)并不盡如人意。

大多數(shù)曾在各大考試中表現(xiàn)突出的模型，在真實(shí)臨床表現(xiàn)中都屢屢暴露出推理幻覺(jué)、診斷不當(dāng)、治療方案欠妥等問(wèn)題。

現(xiàn)有的各種執(zhí)業(yè)醫(yī)師考試等標(biāo)準(zhǔn)化考試的題目通常有固定答案和有限選項(xiàng)，而現(xiàn)實(shí)中的醫(yī)療實(shí)踐則是高度個(gè)體化、動(dòng)態(tài)演變的復(fù)雜系統(tǒng)，容錯(cuò)率極低，患者千差萬(wàn)別，病情進(jìn)展時(shí)常難以預(yù)測(cè)。一個(gè)診斷失誤可能意味著威脅生命。

10月29日，OpenAI已經(jīng)更新使用政策，禁止ChatGPT在解讀醫(yī)學(xué)影像、協(xié)助醫(yī)療診斷等原本被認(rèn)為最具價(jià)值的應(yīng)用領(lǐng)域提供服務(wù)，反映出AI行業(yè)對(duì)于介入醫(yī)療等嚴(yán)肅領(lǐng)域的審慎態(tài)度。

通用大模型可以選擇撤退，但對(duì)于本就以此為戰(zhàn)場(chǎng)的醫(yī)療垂類大模型而言，生死存亡，只此一途。

站在醫(yī)療AI的視角，具備臨床診療能力，從“說(shuō)得像醫(yī)生”和“給醫(yī)生做助理”升級(jí)為“像醫(yī)生一樣思考”，堪稱其質(zhì)變時(shí)刻。對(duì)于整個(gè)互聯(lián)網(wǎng)醫(yī)療行業(yè)而言，這一突破更將改寫(xiě)行業(yè)敘事——從單純幫醫(yī)生提升效率，到讓醫(yī)生成為擁有“三頭六臂”的“超人”，從只是“搬運(yùn)”醫(yī)療信息和資源到真正“創(chuàng)造”醫(yī)療資源。

是時(shí)候?yàn)獒t(yī)療AI的臨床診療能力提出一個(gè)適宜的標(biāo)準(zhǔn)了。

在這個(gè)情況下，一個(gè)由多位頂級(jí)中國(guó)臨床醫(yī)生聯(lián)合制定的、全球首個(gè)評(píng)估醫(yī)療AI臨床適用性的標(biāo)準(zhǔn)誕生，它已經(jīng)完成了對(duì)多個(gè)主流AI模型的系統(tǒng)性測(cè)評(píng)。

由中國(guó)企業(yè)打造的醫(yī)療AI，在這場(chǎng)測(cè)評(píng)中奪得世界第一。

未來(lái)已來(lái)，一個(gè)真正具備臨床診療能力的醫(yī)療AI，已經(jīng)悄然來(lái)到我們身邊。

一套貼近臨床決策鏈條的新標(biāo)準(zhǔn)出現(xiàn)了

現(xiàn)有針對(duì)醫(yī)療AI的評(píng)估體系里，大多數(shù)醫(yī)療AI能力的衡量標(biāo)準(zhǔn)集中于“考試成績(jī)”。

是否能答對(duì)“肺癌的典型癥狀有哪些”“治療高血壓首選藥物是哪種”這樣的問(wèn)題，成為判斷模型能力的重要依據(jù)。但這類題目多為選擇題，標(biāo)準(zhǔn)明確，答案固定，答對(duì)與否易于判斷。這也是ChatGPT、Claude、Med-PaLM等模型在多個(gè)醫(yī)學(xué)類考試中屢獲高分的原因。

北京協(xié)和醫(yī)院胸外科主任醫(yī)師梁乃新也提到，執(zhí)業(yè)醫(yī)師考試是成為一名醫(yī)生的通過(guò)性考試，考題更多注重于對(duì)臨床基礎(chǔ)知識(shí)、基本技能、診療原則、規(guī)范的考核，“不能犯錯(cuò)”，而不是“是否足夠好”。真正的臨床工作遠(yuǎn)比考試復(fù)雜得多，尤其是在個(gè)體化治療與多病共存的復(fù)雜醫(yī)療場(chǎng)景中，醫(yī)生常常需要做出綜合判斷。

面對(duì)一位高齡糖尿病患者出現(xiàn)呼吸困難，醫(yī)生需要同時(shí)考慮呼衰、心衰、肺炎、低血糖及藥物副作用等多種可能；既要排查立即危及生命的急癥重癥，也要兼顧患者的基礎(chǔ)疾病史和當(dāng)前用藥情況，制定出風(fēng)險(xiǎn)最低、效果最優(yōu)的診療路徑——這恰恰是傳統(tǒng)標(biāo)準(zhǔn)評(píng)估模型能力時(shí)難以覆蓋的關(guān)鍵盲區(qū)。

所以，僅依賴考試成績(jī)來(lái)評(píng)估AI是否能用在臨床，與臨床實(shí)際應(yīng)用場(chǎng)景的需求落差較大。

為了讓醫(yī)療AI真正走進(jìn)臨床，衡量標(biāo)準(zhǔn)本身必須更新。

基于這一背景，32位來(lái)自北京協(xié)和醫(yī)院、中國(guó)醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院、北京大學(xué)口腔醫(yī)院、中國(guó)醫(yī)學(xué)科學(xué)院阜外醫(yī)院、中國(guó)人民解放軍總醫(yī)院、復(fù)旦大學(xué)附屬華山醫(yī)院、上海市同濟(jì)醫(yī)院等23個(gè)醫(yī)院不同?？频囊痪€臨床專家共同制定了一套“臨床安全-有效性雙軌基準(zhǔn)”（CSEDB，Clinical Safety-Effectiveness Dual-Track Benchmark）。

這套新標(biāo)準(zhǔn)不再以答題準(zhǔn)確率作為唯一衡量維度，而是首次引入了“安全性”與“有效性”雙軌評(píng)價(jià)體系。

評(píng)估維度涵蓋了危急重癥狀識(shí)別、藥物劑量計(jì)算錯(cuò)誤、聯(lián)合治療方案科學(xué)性、并發(fā)癥預(yù)警提示、對(duì)指南的遵循程度等30項(xiàng)核心指標(biāo)，全面對(duì)照真實(shí)臨床工作中醫(yī)生所面對(duì)的判斷難題與決策壓力。

不僅如此，CSEDB在測(cè)試方法上也打破了以往“標(biāo)準(zhǔn)問(wèn)-標(biāo)準(zhǔn)答”的靜態(tài)模式。

整套評(píng)估體系共構(gòu)建了2069個(gè)開(kāi)放式問(wèn)答條目，覆蓋26個(gè)臨床?？?/strong>。這些問(wèn)答場(chǎng)景高度貼近一線實(shí)際的臨床病例推演，涵蓋急性中毒誤指導(dǎo)、絕對(duì)禁忌用藥判斷、聯(lián)合用藥合理性、術(shù)后并發(fā)癥識(shí)別等關(guān)鍵場(chǎng)景。

更關(guān)鍵的是，CSEDB將每一項(xiàng)指標(biāo)按臨床風(fēng)險(xiǎn)等級(jí)進(jìn)行加權(quán)打分。評(píng)分從1分到5分不等，5分代表“潛在致命后果”，如錯(cuò)判危重癥、開(kāi)出禁忌用藥等高風(fēng)險(xiǎn)情境；1分則代表“可逆性傷害”，如非關(guān)鍵數(shù)據(jù)誤差。

這樣的風(fēng)險(xiǎn)分級(jí)機(jī)制，首次將模型評(píng)分與實(shí)際醫(yī)療后果進(jìn)行了直接綁定。通俗而言，這不是在考模型“能不能答題”，而是在考“答錯(cuò)題，風(fēng)險(xiǎn)究竟有多高”。

中國(guó)人民解放軍總醫(yī)院第四醫(yī)學(xué)中心介入科主任于友濤向我們表示，CSEDB是一次在標(biāo)準(zhǔn)維度上向真實(shí)決策場(chǎng)景靠攏的努力。

“人工智能拆開(kāi)來(lái)看是人工和智能，目前AI的發(fā)展，把太多注意力放在了后半的智能部分，追求不斷提高算力”，北京協(xié)和醫(yī)院胸外科主任醫(yī)師梁乃新強(qiáng)調(diào)道，“但在醫(yī)療領(lǐng)域，如何保證前面一半的人工部分不出問(wèn)題，如何確保喂給AI的醫(yī)療場(chǎng)景、醫(yī)療資源、醫(yī)療決策沒(méi)有問(wèn)題，在此基礎(chǔ)上，兼顧安全性和有效性，兼顧指南、共識(shí)的標(biāo)準(zhǔn)規(guī)范治療與個(gè)體化治療，兼顧急難險(xiǎn)重的病情排查和常規(guī)病情的持續(xù)診療，如何從架構(gòu)上讓AI像醫(yī)生一樣思考，才是醫(yī)療AI更進(jìn)一步努力的方向?！?/p>

標(biāo)準(zhǔn)之上，才能談落地；被驗(yàn)證的能力，才有走入真實(shí)醫(yī)療場(chǎng)景的可能。

更值得注意的是，這套標(biāo)準(zhǔn)并不以“替代醫(yī)生”為目標(biāo)，而是服務(wù)于“醫(yī)生能否放心托付部分任務(wù)”的現(xiàn)實(shí)需求。

中國(guó)模型拿下世界第一

CSEDB的建立，意味著AI時(shí)代首次有了一套能夠真實(shí)反映醫(yī)療AI臨床診療能力的系統(tǒng)化評(píng)估標(biāo)準(zhǔn)。

全球范圍內(nèi)的主流大模型，包括DeepSeek-R1、OpenAI o3、Gemini-2.5、Qwen3-235B、Claude-3.7等在內(nèi)，悉數(shù)接受了這套嚴(yán)格測(cè)試。

在這場(chǎng)多維度、風(fēng)險(xiǎn)分級(jí)的系統(tǒng)測(cè)評(píng)中，一個(gè)來(lái)自中國(guó)的大模型MedGPT，以總分0.895的成績(jī)位列第一。

它不僅在總體表現(xiàn)上領(lǐng)先第二名（0.742）超過(guò)15個(gè)百分點(diǎn)，更是唯一一個(gè)在安全性評(píng)分上超過(guò)有效性的模型。

在臨床診療中，安全性的重要性不言而喻。

中國(guó)人民解放軍總醫(yī)院第四醫(yī)學(xué)中心介入科主任于友濤明確表達(dá)了安全性在醫(yī)療臨床場(chǎng)景中的首要地位：“臨床工作不是游戲，沒(méi)有從頭再來(lái)的選項(xiàng)，不可能說(shuō)打壞了我們?cè)賮?lái)一把?！币虼耍珻SEDB制定過(guò)程中特別強(qiáng)調(diào)了安全性作為臨床應(yīng)用的底線。

安全性評(píng)分超過(guò)有效性評(píng)分，意味著MedGPT模型能力在不斷逼近醫(yī)生專業(yè)水平的同時(shí)，還展現(xiàn)出了極其罕見(jiàn)的“謹(jǐn)慎”特質(zhì)。

此外，CSEDB中的高權(quán)重場(chǎng)景，往往也是最考驗(yàn)?zāi)Ｐ汀暗拙€能力”的部分。

例如“致命藥物相互作用”“嚴(yán)重過(guò)敏史忽視”“絕對(duì)禁忌用藥”等評(píng)分項(xiàng)都被設(shè)定為權(quán)重5，容錯(cuò)空間為零。MedGPT在這些場(chǎng)景中幾乎全線達(dá)標(biāo)，是唯一在安全維度評(píng)分中突破0.9的模型。相比之下，其它通用大模型在這些維度上普遍得分不足0.6，暴露出推理失衡、認(rèn)知錯(cuò)配等系統(tǒng)性風(fēng)險(xiǎn)。

其實(shí)，這并不是MedGPT第一次展現(xiàn)超越預(yù)期的能力。

早在2023年，剛問(wèn)世一個(gè)月的MedGPT就曾與四川大學(xué)華西醫(yī)院十余位主治醫(yī)師共同參與了一場(chǎng)真實(shí)患者的診療一致性臨床試驗(yàn)。

那是一次公開(kāi)面向患者的義診現(xiàn)場(chǎng)，每位患者都會(huì)被安排與人類醫(yī)生進(jìn)行首診問(wèn)診，同時(shí)MedGPT獨(dú)立生成診療建議，最終由專家評(píng)審團(tuán)打分，考察兩者在診斷、治療建議等多個(gè)維度的診療一致性。

最終，MedGPT在這場(chǎng)持續(xù)12小時(shí)、涵蓋91例真實(shí)病例的臨床實(shí)驗(yàn)中，取得了與三甲醫(yī)院主治醫(yī)生96%一致性的結(jié)果。

彼時(shí)，這一成果就引起了國(guó)內(nèi)外醫(yī)療科技領(lǐng)域的廣泛關(guān)注。但如MedGPT背后團(tuán)隊(duì)產(chǎn)品負(fù)責(zé)人廉澤良所指出的，那次測(cè)試驗(yàn)證的是模型在標(biāo)準(zhǔn)化情境下的可靠性，“一致性并不等于水平等同”，真正的臨床應(yīng)用還需要經(jīng)過(guò)時(shí)間、場(chǎng)景和風(fēng)險(xiǎn)的多重考驗(yàn)。

迄今為止的兩年間，MedGPT持續(xù)深耕底層能力的拓展和風(fēng)險(xiǎn)管控機(jī)制的建設(shè)，并在使用中不斷進(jìn)化。每周，有超過(guò)一萬(wàn)名醫(yī)生通過(guò)平臺(tái)進(jìn)行交互，每周沉淀兩萬(wàn)條診療反饋。

這些數(shù)據(jù)會(huì)被自動(dòng)納入模型的推理單元訓(xùn)練中，推動(dòng)MedGPT每月準(zhǔn)確率提升1.2%-1.5%，形成“反饋即迭代”的飛輪機(jī)制。

當(dāng)標(biāo)準(zhǔn)具備高度臨床擬合度，模型具備真實(shí)表現(xiàn)能力，兩者結(jié)合所帶來(lái)的結(jié)果，就是醫(yī)療AI從“模擬醫(yī)生語(yǔ)言”向“參與臨床級(jí)醫(yī)生推理”的質(zhì)變躍遷，是行業(yè)不再紙上談兵的關(guān)鍵標(biāo)志。

通過(guò)“復(fù)制醫(yī)生”，創(chuàng)造醫(yī)療資源

但拿下任何評(píng)估的高分都不是醫(yī)療AI的最終目標(biāo)。

高水平的醫(yī)療資源，歷來(lái)集中在一線城市、三甲醫(yī)院、知名專家手中。對(duì)于絕大多數(shù)基層患者而言，醫(yī)療AI的真正價(jià)值是讓AI具備臨床專家的能力，創(chuàng)造新的醫(yī)療資源，化身“可用、可信、可得”的智能助手，真正服務(wù)每一個(gè)需要醫(yī)療幫助的人。

基于MedGPT的技術(shù)能力，背后團(tuán)隊(duì)推出了“未來(lái)醫(yī)生”平臺(tái)，這個(gè)名字本身就承載了團(tuán)隊(duì)的期待，不是健康管理助手，而是醫(yī)生的未來(lái)形態(tài)，并明確提出一個(gè)核心構(gòu)想：

• 將專家醫(yī)生的臨床經(jīng)驗(yàn)、診療路徑與溝通能力，以AI智能體的形式進(jìn)行規(guī)?；瘡?fù)制。

這種復(fù)制，不是生硬的標(biāo)準(zhǔn)化導(dǎo)診，也不是“AI回答+醫(yī)生審核”的串聯(lián)模式，而是在安全可控的技術(shù)架構(gòu)下人機(jī)協(xié)作的全病程醫(yī)療服務(wù)體系。

據(jù)未來(lái)醫(yī)生產(chǎn)研負(fù)責(zé)人廉澤良介紹，相比以往“AI寫(xiě)醫(yī)生看”的淺層協(xié)作，未來(lái)醫(yī)生平臺(tái)更像是一場(chǎng)真正意義上的智能托管嘗試。

• 醫(yī)生可基于對(duì)模型穩(wěn)定性的信任，在特定場(chǎng)景下選擇將部分環(huán)節(jié)交由AI處理，而AI也會(huì)在關(guān)鍵環(huán)節(jié)輸出可解釋的邏輯鏈條與推理依據(jù)，確保醫(yī)生可以隨時(shí)介入/中斷AI流程，實(shí)現(xiàn)動(dòng)態(tài)掌控。

廉澤良進(jìn)一步解釋道，如果用智能駕駛分級(jí)類比醫(yī)生與AI的人機(jī)協(xié)作模式，目前未來(lái)醫(yī)生的大部分場(chǎng)景都處在L3級(jí)別，也就是“有條件的自動(dòng)駕駛”，即在大部分相對(duì)標(biāo)準(zhǔn)化的診療場(chǎng)景，醫(yī)生可以授權(quán)AI去處理，而在危急重場(chǎng)景，需要醫(yī)生接管決策。

整體的決策權(quán)始終在醫(yī)生手里，并且所有診療建議，最終都需醫(yī)生審閱并簽字確認(rèn)。

基于此，未來(lái)醫(yī)生才能夠做到在診療免費(fèi)和7*24小時(shí)服務(wù)的承諾下，保證向用戶輸出的每一句話都是真人醫(yī)生回答，并且向每一位用戶提供全科醫(yī)生——多學(xué)科會(huì)診——?？茖＜业娜?jí)分診模式。

在為用戶匹配到對(duì)癥的專家后，保證所有的問(wèn)診服務(wù)都由真人醫(yī)生提供，同時(shí)還能將過(guò)去僅用于重癥治療的多學(xué)科會(huì)診（MDT）機(jī)制應(yīng)用于每個(gè)病例。

截至目前，未來(lái)醫(yī)生上已有超過(guò)50位中華醫(yī)學(xué)會(huì)主委級(jí)頂尖醫(yī)學(xué)專家為患者提供服務(wù)。

這些專家不是掛名，而是實(shí)際參與了模型訓(xùn)練與人機(jī)協(xié)同方案的設(shè)定。

相比傳統(tǒng)互聯(lián)網(wǎng)醫(yī)療依賴“搬運(yùn)既有醫(yī)療資源”的方式，未來(lái)醫(yī)生通過(guò)用AI“復(fù)制醫(yī)生”的模式，把稀缺的臨床經(jīng)驗(yàn)變成可規(guī)?；哪芰Γ珖?guó)各地成千上萬(wàn)的病患都成為了可以獲得頂尖醫(yī)療資源的用戶。

這不是在替代醫(yī)生，而是在放大醫(yī)生的能力。用廉澤良的話說(shuō)，是通過(guò)人機(jī)協(xié)作，把醫(yī)生變成擁有“三頭六臂”的“超人”。

攻克醫(yī)療AI皇冠上的兩顆明珠

面對(duì)AI的迅猛發(fā)展，很少有領(lǐng)域像醫(yī)療這樣，既承載著人類最深切的期待，也面對(duì)著最嚴(yán)苛的底線要求。

三年前，未來(lái)醫(yī)生團(tuán)隊(duì)選擇將全部研發(fā)重心押注在醫(yī)療AI這條最難的賽道上。

這是一個(gè)技術(shù)挑戰(zhàn)，更是一個(gè)信念挑戰(zhàn)。“醫(yī)療AI是垂類大模型中公認(rèn)的皇冠，在這頂皇冠上有兩顆明珠，一顆是‘繼絕學(xué)’，一顆是‘開(kāi)太平’。”在研發(fā)之初，未來(lái)醫(yī)生創(chuàng)始人、CEO王仕銳就不斷向團(tuán)隊(duì)傳遞這個(gè)理念。

所謂“繼絕學(xué)”，是指AI把過(guò)往的醫(yī)療能力全部復(fù)制過(guò)來(lái)，像頂尖醫(yī)生一樣提供標(biāo)準(zhǔn)化服務(wù)。

而“開(kāi)太平”，則意味著AI超越人類醫(yī)生水平，為頂級(jí)專家都束手無(wú)策的絕癥提供突破性的治療思路。

這樣的研發(fā)初心決定了未來(lái)醫(yī)生的研發(fā)理念：一開(kāi)始的目標(biāo)就不是局限于簡(jiǎn)單地提高醫(yī)生效率，而是要讓醫(yī)療AI像醫(yī)生一樣思考。

而研發(fā)理念直接決定的是研發(fā)路徑：不會(huì)寄希望于海量數(shù)據(jù)澆灌下的“大模型智慧自然涌現(xiàn)”，而是把精力投入到大模型技術(shù)架構(gòu)的搭建上，讓醫(yī)療AI在架構(gòu)上更接近人類大腦。

在這一技術(shù)哲學(xué)下，采用三層認(rèn)知系統(tǒng)（快系統(tǒng)處理常規(guī)問(wèn)題、慢系統(tǒng)承載推理分析、ACC層調(diào)和矛盾與評(píng)估風(fēng)險(xiǎn)）的MedGPT，在CSEDB標(biāo)準(zhǔn)下全面通過(guò)“臨床安全”與“診療有效性”的雙重考驗(yàn)，成為全球第一個(gè)經(jīng)驗(yàn)證具備臨床診療能力的醫(yī)療大模型。

• CSEDB標(biāo)準(zhǔn)將向全行業(yè)開(kāi)放，測(cè)試平臺(tái)也將向全球醫(yī)療AI研發(fā)團(tuán)隊(duì)提供，任何機(jī)構(gòu)都可以基于這一標(biāo)準(zhǔn)對(duì)自身模型進(jìn)行評(píng)估與優(yōu)化。

——標(biāo)準(zhǔn)的建立不是為了壟斷和炫耀，而是為了引導(dǎo)和推動(dòng)行業(yè)走向成熟。

從“答題拿下高分”到“真能幫著治病”，醫(yī)療AI完成了它從模擬思維向臨床實(shí)踐的進(jìn)化。而這場(chǎng)進(jìn)化的轉(zhuǎn)折點(diǎn)，正由一個(gè)中國(guó)團(tuán)隊(duì)率先書(shū)寫(xiě)。

我們?cè)鵁o(wú)數(shù)次設(shè)想AI改變世界的方式，但或許，最有價(jià)值的場(chǎng)景并不喧嘩：在某個(gè)邊遠(yuǎn)鄉(xiāng)鎮(zhèn)的衛(wèi)生所，醫(yī)生面前的屏幕亮起，一位患者的復(fù)雜癥狀被精準(zhǔn)分析，個(gè)體化診療建議悄然生成。這不是AI代替了醫(yī)生，而是讓醫(yī)生以更快速度、更高質(zhì)量、更廣觸達(dá)完成每一次救治。

這一切，正在我們身邊真實(shí)發(fā)生。

論文arXiv：

https://arxiv.org/pdf/2507.23486