德適發布醫療AI評測平臺DoctorBench 智診科技、谷歌、OpenAl位列三甲

4月30日，杭州德適生物科技股份有限公司（2526.HK，簡稱 “德適”）在中國香港正式發布醫療AI評測平臺DoctorBench，并揭曉首期全球醫療大模型排行榜。杭州智診科技的WiseDiag-v2、谷歌的Gemini-3.1-Pro-Preview、OpenAI的GPT-5.4 位列前三甲。

該平臺首次以 “臨床實戰能力” 為核心標尺，為全球醫療大模型構建起一套貼近真實診療場景的多維評測體系。

專業人士指出，當前，全球醫療大模型正加速從實驗室走向臨床應用，但行業始終缺乏一套能夠真正衡量模型“看病能力” 的評測標準。現有的評測大多聚焦于醫學知識問答，難以反映模型在復雜臨床情境中的綜合表現——這種評測與臨床實踐之間的鴻溝，正在成為制約醫療AI落地應用的全球性挑戰。

此前，OpenAI發布HealthBench，標志著領先企業開始重視這一挑戰。然而，醫療具有強烈的本土化特征——不同國家和地區的診療指南、語言習慣、患者群體存在顯著差異，任何單一評測體系都難以實現全球普適。

正是基于對這一全球性挑戰的深刻認識，德適發起并打造了DoctorBench 平臺。這一平臺的誕生，植根于一個跨學科團隊近十年的深耕與協作。德適匯聚了基礎醫學、臨床醫學、人工智能、醫療產業等多領域的專家，將嚴謹的臨床醫學邏輯與前沿的深度學習算法深度融合，讓DoctorBench既能理解AI技術的邊界，又能洞察臨床實踐的復雜需求，并以此為標準構建評測體系。

DoctorBench的核心理念是不再只考核大模型的 “知識儲備”，而是考核其 “像醫生一樣思考” 的臨床溝通與決策能力。平臺構建了三大榜單體系 —— 醫學主榜單（LLM）、多模態榜單（VLM）與智能體榜單（Agent），分別評測模型的文本診療能力、多模態理解能力，以及模擬診療環境中的多輪決策與工具調用能力。

在評測機制上，DoctorBench首創“2大核心維度（安全性和準確性）+3 項通用維度（交互質量、信息優先級、主動詢問）+5 項專項模塊（證據與引用、可解釋推理、可執行性、個體化適配、情感支持）” 的多維架構，并搭載 “場景自適應權重”——根據不同臨床場景的風險等級，動態調整各維度權重，使評分邏輯更貼近真實診療決策。

尤為關鍵的是，平臺將 “醫學事實準確” 與 “安全與風險控制” 設為具有 “一票否決權” 的核心紅線 —— 任何模型若在關乎患者安全的關鍵問題上出現嚴重偏差，無論其他維度表現如何突出，均無法獲得高分。這一設計源于團隊對醫療本質的深刻理解：在關乎生命的領域，安全性永遠是第一要義，沒有妥協余地。

“醫療AI的發展是一場關乎人類共同健康福祉的長跑，既需要顛覆式的技術創新和跨學科、跨地域的深度協作，更需要對生命健康的絕對敬畏與堅守。” 德適創始人宋寧博士表示，期待與全球更多科研機構、臨床中心和行業伙伴攜手，讓真正有實力的技術被看見、被信賴，最終惠及每一位患者。