國產(chǎn)大模型MedGPT獲國際頂刊認證，"未來醫(yī)生"走進嚴肅醫(yī)療深水區(qū)

2025年末到2026年初，醫(yī)療AI占據(jù)了AI圈的絕對C位。

國內(nèi)，螞蟻阿福線上線下全渠道“地毯式”推廣，百川智能發(fā)布新一代醫(yī)療大模型Baichuan-M3；國外，OpenAI、Anthropic、谷歌三大巨頭也如同事先寫好劇本，在一周內(nèi)先后發(fā)布各自的醫(yī)療健康A(chǔ)I應(yīng)用。

據(jù)不完全統(tǒng)計，全球已發(fā)布的醫(yī)學(xué)大模型數(shù)量超過300個。在這一輪AI引領(lǐng)的技術(shù)革新浪潮中，盡管各方開發(fā)者都謹慎地表示AI不會取代醫(yī)生，但面對AI已經(jīng)展現(xiàn)出的強大能力，幾乎沒人懷疑醫(yī)療行業(yè)將迎來深刻變革。AI不會甘心止步于外圍的輕問診和健康咨詢，而是要進入嚴肅醫(yī)療，參與復(fù)雜疾病的臨床診療。

當下最關(guān)鍵的問題是，在人命關(guān)天的醫(yī)療場景，如何克服大模型的“幻覺”，盡量規(guī)避安全隱患。

在國家傳染病醫(yī)學(xué)中心（上海）主任張文宏近日公開表達對AI的審慎態(tài)度之后，公眾號“張強醫(yī)生”也發(fā)文指出，當前醫(yī)療AI最容易制造的幻覺，不是“胡說八道”，而是“看起來完全正確”，甚至還能給出參考文獻。不僅對患者極具說服力，對資歷尚淺的年輕醫(yī)生也極具誘惑力。

有臨床專家指出，如同一名醫(yī)生必須通過醫(yī)師資格考試才能上崗，醫(yī)療大模型要進入臨床，也必須建立科學(xué)嚴謹?shù)脑u價標準。

目前，針對醫(yī)療AI的評價體系正在逐步構(gòu)建。事實上，在這方面的探索，中國已經(jīng)走在世界前列。

Nature旗下數(shù)字醫(yī)學(xué)領(lǐng)域全球頂級期刊《npj Digital Medicine》近期發(fā)布了一項來自中國科研團隊的最新成果——全球首個用于評估醫(yī)療AI臨床適用性的標準：“臨床安全-有效性雙軌基準”（CSEDB，Clinical Safety-Effectiveness Dual-Track Benchmark）。

CSEDB由來自中國的未來醫(yī)生科研團隊聯(lián)合32位國內(nèi)頂尖臨床專家共同制定，其核心價值在于，打破了過往以答題準確率評估醫(yī)療AI能力的模式，在全球范圍內(nèi)首次引入“安全性”與“有效性”雙軌評價體系，全面貼合真實臨床決策場景。

基于該標準對全球多個主流AI大模型開展的系統(tǒng)性測評中，由未來醫(yī)生團隊打造的MedGPT各項評分均位列第一。

這也意味著，作為國內(nèi)最早發(fā)布的醫(yī)療大模型之一，MedGPT的底層架構(gòu)、技術(shù)路線和臨床數(shù)據(jù)沉淀，已然經(jīng)得起模擬臨床實戰(zhàn)的嚴格測試，可以代表醫(yī)療AI在嚴肅醫(yī)療領(lǐng)域的發(fā)展方向。

同時，該項獲得國際頂尖學(xué)術(shù)期刊驗證的研究成果，還在某種程度上回應(yīng)了醫(yī)生群體對大模型可靠性的擔憂，提供了抑制“幻覺”的參考樣本，為醫(yī)療大模型的迭代優(yōu)化指明了方向，也為醫(yī)療AI進入嚴肅診療場景奠定了基礎(chǔ)。

全球醫(yī)生組織中國總代表、GlobalMD創(chuàng)始人Tim Shi（時占祥）近日也在海外社交媒體上為此點贊：由中國推動的標準+MedGPT的表現(xiàn)=真正的差異化以及更聰明的風投資產(chǎn)。

頂刊背書，“實戰(zhàn)”領(lǐng)先的大模型

CSEDB評估標準能在《npj Digital Medicine》發(fā)表，其學(xué)術(shù)含金量已毋庸置疑。

《npj Digital Medicine》目前屬于中科院醫(yī)學(xué)大類1區(qū)Top期刊（代表在所屬學(xué)科的所有期刊中，影響力排名前5%），2024年影響因子15.1（超過10便已是國際頂尖水平）。

參與制定CSEDB的團隊也堪稱豪華，32位臨床專家均來自北京協(xié)和醫(yī)院、中國醫(yī)學(xué)科學(xué)院腫瘤醫(yī)院、北京大學(xué)口腔醫(yī)院、中國醫(yī)學(xué)科學(xué)院阜外醫(yī)院、中國人民解放軍總醫(yī)院、復(fù)旦大學(xué)附屬華山醫(yī)院、上海市同濟醫(yī)院等頂尖醫(yī)療機構(gòu)的23個核心專科。

研究團隊指出，目前對醫(yī)療大模型臨床能力的評估主要依賴USMLE式標準化醫(yī)學(xué)考試和專業(yè)問答數(shù)據(jù)集，難以反映真實臨床實踐的復(fù)雜性。

“沒有一個病人是按照指南去生病的，每個病人的疾病都是特異性、個體化的。”參與標準制定的專家團隊成員、北京協(xié)和醫(yī)院胸外科主任醫(yī)師梁乃新教授指出，臨床診療是遵循共性（指南）與運用經(jīng)驗、能力解決個體化問題相結(jié)合的過程，還需要平衡安全性和有效性。

為突破現(xiàn)有評估框架的局限，研究團隊建立了涵蓋26個專科和多樣化患者群體（包括多重用藥的老年患者和免疫缺陷個體）的QA框架，共計2069個開放式問題，全方位模擬臨床診療的復(fù)雜場景。同時，聚焦安全性和有效性兩大核心維度，基于臨床專家對風險和獲益關(guān)系的共識，設(shè)置了30項評估指標，包括17項安全性指標和13項有效性指標，并引入1-5級風險分層設(shè)計，對不同指標進行加權(quán)打分，使評估結(jié)果能更準確地反映大模型對臨床結(jié)局的影響。

注：安全性和有效性指標參考了2002年衛(wèi)生部發(fā)布的《醫(yī)療事故分級標準(試行)》

相比其他采用“標準問-標準答”模式的靜態(tài)評測，CSEDB評估標準顯然更貼近實際診療需求，也更具挑戰(zhàn)性。

評估結(jié)果顯示，作為醫(yī)療領(lǐng)域?qū)Ｓ媚Ｐ停琈edGPT的表現(xiàn)顯著優(yōu)于通用模型，總體得分、安全性得分和有效性得分均位列第一。相比第二名，MedGPT總體得分高出15.3%，安全性得分高出19.8%。特別是在大多數(shù)模型安全性表現(xiàn)偏弱的情況下，只有MedGPT安全性得分高于有效性得分。這也與臨床專家安全性大于有效性的價值取向保持了高度一致。

圖片來自《npj Digital Medicine》發(fā)布論文《A Novel Evaluation Benchmark for Medical LLMs: Illuminating Safety and Effectiveness in Clinical Domains（一種用于評估醫(yī)療大語言模型在臨床領(lǐng)域安全性和有效性的新型評估基準）》

未來醫(yī)生產(chǎn)研負責人廉澤良告訴健聞咨詢，MedGPT從立項開始，就將臨床專家奉為圭臬的安全性和有效性植入底層代碼，致力于讓醫(yī)療AI“像醫(yī)生一樣思考”。2023年發(fā)布之初，MedGPT在面向真實患者的試驗中，便已展現(xiàn)出不俗的臨床適配能力——與三甲醫(yī)院主治醫(yī)師的診斷一致性高達96%。

廉澤良表示，MedGPT在此次CSEDB評估中再度展現(xiàn)出的領(lǐng)先優(yōu)勢，主要源于兩個方面：

一是模擬人腦認知邏輯的三層架構(gòu)，即“快系統(tǒng)（類比大腦皮層執(zhí)行語義任務(wù)）+慢系統(tǒng)（類比前額葉深度推理）+ACC層（類比前扣帶皮層，調(diào)和快慢系統(tǒng)矛盾）”，三層架構(gòu)形成強耦合閉環(huán)，少一層即退化為普通模型。其中，快系統(tǒng)調(diào)用通用模型，快速響應(yīng)用戶需求，負責理解與溝通；慢系統(tǒng)基于專家經(jīng)驗，可顯著抑制通用模型的“幻覺”，負責準確診斷。慢系統(tǒng)還集成了雙飛輪結(jié)構(gòu)，小飛輪基于臨床指南預(yù)設(shè)診療路徑，大飛輪強化學(xué)習(xí)并復(fù)制專家臨床經(jīng)驗，雙飛輪協(xié)調(diào)聯(lián)動，構(gòu)建起可持續(xù)優(yōu)化的完整閉環(huán)。

圖片來自未來醫(yī)生商業(yè)計劃書

二是專家資源和優(yōu)質(zhì)的結(jié)構(gòu)化驗證數(shù)據(jù)。經(jīng)過逾120位三甲醫(yī)院專家驗證的“癥狀-疾病-用藥”三元組數(shù)據(jù)，已經(jīng)嵌入MedGPT的知識底座。而在基于MedGPT打造的未來醫(yī)生平臺上，如今已有超過1萬名醫(yī)生與患者保持互動，每周可沉淀2萬條真實診療反饋，通過“反饋即迭代”的飛輪機制，MedGPT的準確率每月可提升1.2%-1.5%。

在廉澤良看來，這些都構(gòu)成了MedGPT不可復(fù)制的能力壁壘，可以至少領(lǐng)先同行2-3年。

人機協(xié)同的“未來醫(yī)生”模式

用醫(yī)聯(lián)集團/未來醫(yī)生創(chuàng)始人、CEO王仕銳的話說，未來醫(yī)生的AI訓(xùn)練過程好比頂級專家指導(dǎo)“天才學(xué)生”。以此類比，未來醫(yī)生平臺的工作機制，就如同頂級專家?guī)е疤觳艑W(xué)生”一起會診。

2025年8月，未來醫(yī)生APP正式上線，并基于該平臺推出權(quán)威專家在線免費問診服務(wù)。據(jù)官方介紹，未來醫(yī)生聚集了來自全國A++++級別醫(yī)院（如解放軍總醫(yī)院、北京協(xié)和、華西、上海瑞金、復(fù)旦華山等）的專家團隊，包括曾擔任國家級學(xué)術(shù)委員會主委、副主委的行業(yè)權(quán)威專家及醫(yī)療團隊，可覆蓋95%的常見疾病和大多數(shù)疑難雜癥。

不同于其他AI問診平臺，大模型應(yīng)用只是作為線上服務(wù)的入口，起到導(dǎo)流的作用，始終聚焦嚴肅醫(yī)療的未來醫(yī)生平臺，構(gòu)建起了一套精妙的人機協(xié)同“四級分診體系”：AI初篩與結(jié)構(gòu)化問診、專科智能匹配、多學(xué)科會診（MDT）介入、權(quán)威專家復(fù)核與決策。

該流程確保了病例在專業(yè)遞進中得到精準處理，既避免患者走彎路貽誤病情，也杜絕了醫(yī)療資源的浪費。

在此過程中，AI與醫(yī)生分工明確，AI承擔科普問答、信息整合、病例分揀、輔助決策等工作，而醫(yī)生可以從繁雜的程序化工作中抽身，將精力集中于核心診療環(huán)節(jié)。專家及團隊作為診療決策者與責任主體，會對AI生成的診療建議進行終審把控，并出具簽字/簽章的規(guī)范醫(yī)囑。通過“醫(yī)生授權(quán)+技術(shù)輔助”，確保診療的安全性與有效性。

另一大亮點是，借助完整復(fù)制專家診療和溝通能力的智能體，目前在線下尚未形成體系，需要額外支付高額費用的MDT，在未來醫(yī)生平臺成為免費的常規(guī)服務(wù)。

在實際案例中，未來醫(yī)生對急危重癥和疑難病癥的處理，均不乏出色表現(xiàn)。

據(jù)未來醫(yī)生官方公眾號披露，2025年9月，一位用戶在父親突發(fā)肢體無力、言語不清癥狀時，使用未來醫(yī)生APP發(fā)出求助信息，13秒后便收到平臺預(yù)警，提示疑似急性缺血性腦卒中。

圖片來自微信公眾號：未來醫(yī)生官方號

隨后，平臺的四級分診機制開始運行，在救護車趕到之前，一份就醫(yī)指南已經(jīng)發(fā)到該用戶的手機。

圖片來自微信公眾號：未來醫(yī)生官方號

“這份清晰的指引，讓在慌亂中的我找到了方向。”用戶在自述中這樣寫道。最終患者及時送醫(yī)，轉(zhuǎn)危為安，CT檢查報告與平臺會診結(jié)果高度一致。

另一位用戶，也是一位母親，7歲女兒腳痛數(shù)月，多方求醫(yī)仍未得到有效診治，機緣巧合中下載使用了未來醫(yī)生APP，提交孩子病歷資料后，經(jīng)過兒科、骨科和風濕免疫科專家智能體MDT會診，最終得到北京協(xié)和醫(yī)院風濕免疫科主任醫(yī)師趙巖教授親自給出的診斷建議：需排除幼年特發(fā)性關(guān)節(jié)炎。

當她帶著孩子去醫(yī)院檢查時，連醫(yī)生都感到吃驚：你們怎么想到要來查這個？聽到趙巖的名字，那位醫(yī)生當即打消疑問。不出意外，最終檢查結(jié)果也證實了趙巖教授的推測。

通過這些案例也可以看到，AI賦能的互聯(lián)網(wǎng)問診，正在如何超越過去所謂的“輕問診”“輕咨詢”：線上平臺能夠完成的，不再是常見病、慢性病的復(fù)診開藥，對于急危重癥和疑難病癥，即使不能直接實施檢驗檢查，但通過經(jīng)驗豐富的頂級專家團隊與AI的緊密協(xié)作，已經(jīng)能夠給患者提供準確清晰的就醫(yī)指南，其診斷建議甚至能與最終診斷結(jié)果高度匹配。至此，線上線下醫(yī)療資源也實現(xiàn)了高效協(xié)同。

過去十年來，國家一直力推分級診療，構(gòu)建基層首診、上下聯(lián)動的有序格局，以解決醫(yī)療資源分布不均衡、大醫(yī)院人滿為患的痼疾。從這個角度看，未來醫(yī)生的模式探索，還具有更深遠的意義：它呈現(xiàn)了一種基于“AI首診”的分級診療路徑，有望彌補基層能力不足，化解上下聯(lián)動中的利益分配難題。

邊賽跑、邊鋪路的硬核“玩家”

今時今日，醫(yī)療AI賽道的熱鬧景象，很難不讓人回想起十年前互聯(lián)網(wǎng)醫(yī)療創(chuàng)業(yè)者的勃勃雄心。

AI大模型的橫空出世，也讓互聯(lián)網(wǎng)醫(yī)療賽道充滿新的想象空間——可以借助AI在高度復(fù)雜和專業(yè)的醫(yī)療領(lǐng)域再掘進一尺。

十多年前互聯(lián)網(wǎng)醫(yī)療的行業(yè)愿景——打破地域時間限制、提升優(yōu)質(zhì)醫(yī)療資源可及性，本質(zhì)上是線下醫(yī)療資源（包括醫(yī)和藥）向線上平移，相比之下，今天的醫(yī)療AI更有可能創(chuàng)造增量，實現(xiàn)優(yōu)質(zhì)醫(yī)療資源的“擴容”。比如大部分人都能首先想到的：將學(xué)習(xí)了大醫(yī)院大專家臨床經(jīng)驗的智能體推廣到低資源地區(qū)或基層醫(yī)療機構(gòu)。

在北京協(xié)和醫(yī)院胸外科主任醫(yī)師梁乃新教授看來，在大醫(yī)院，AI可以讓專科醫(yī)生如虎添翼，但更重要的應(yīng)用場景是在基層社區(qū)，通過AI去強化全科醫(yī)生、家庭醫(yī)生的能力，為上級大醫(yī)院篩選專科病例，而不是讓患者直接涌向大醫(yī)院的專家診室。

2025年11月，國家衛(wèi)健委等多部門聯(lián)合發(fā)布《關(guān)于促進和規(guī)范“人工智能+醫(yī)療衛(wèi)生”應(yīng)用發(fā)展的實施意見》，其中明確提出，到2030年，基層診療智能輔助應(yīng)用基本實現(xiàn)全覆蓋。

但正如張文宏、張強等醫(yī)生所擔心的，存在幻覺的醫(yī)療大模型，到了經(jīng)驗和資歷都欠缺的年輕醫(yī)生手里，結(jié)果可能適得其反。另外，健聞咨詢此前也報道過，三甲醫(yī)院訓(xùn)練出來的頂配大模型，在基層還可能“水土不服”。

基于這些行業(yè)痛點，更能看出未來醫(yī)生團隊正在開展的工作之可貴。當互聯(lián)網(wǎng)大廠基于自身資源優(yōu)勢和商業(yè)基因，高舉高打搶占用戶心智、爭奪AI流量入口時，他們則專注于修煉內(nèi)功，試圖解決AI進入嚴肅醫(yī)療面臨的核心問題。

比如通過算法機制和優(yōu)質(zhì)醫(yī)療數(shù)據(jù)的協(xié)同，不斷抑制大模型的“幻覺”產(chǎn)生率，尤其是在數(shù)據(jù)方面。

作為積極擁抱AI的臨床專家，梁乃新教授對數(shù)據(jù)質(zhì)量的觀點極具代表性，在他看來，所謂AI（Artificial Intelligence），越是Intelligence的階段，越要重視Artificial的data（數(shù)據(jù)）。

MedGPT在訓(xùn)練階段，就對規(guī)則庫質(zhì)量、醫(yī)生的權(quán)威性提出高要求，而不是單純堆砌海量數(shù)據(jù)；在后續(xù)迭代中，也需專家每天根據(jù)真實病例給予額外的、在指南中無法體現(xiàn)的反饋。特別是指南之外的專家經(jīng)驗，更具含金量。因為指南相比最前沿的醫(yī)學(xué)進展和臨床中的鮮活經(jīng)驗，總是具有滯后性。

據(jù)王仕銳透露，對于那些不成文的專家經(jīng)驗，未來醫(yī)生會跟專家反復(fù)交流。目前平臺上剛上線的專家每天會對至少1個以上的案例給出明確回復(fù)，“專家需要非常了解和信任AI才能做到這一點。”

信任并非對AI放任不管，而是需要明確界定其能力與責任的范圍，未來醫(yī)生攜手臨床專家，探索建立臨床適用性標準的重要意義也在于此。

正如研究團隊在《npj Digital Medicine》發(fā)表的論文所言，CSEDB為模型優(yōu)化和監(jiān)管審批提供了科學(xué)依據(jù)，并為大模型從受控實驗室環(huán)境安全有效地轉(zhuǎn)化到真實臨床實踐鋪平了道路。