中美顶尖专家集体点赞，直面最难病例，AI 88比12战胜医生|医生|国际罕见病日|治疗|肺癌|肿瘤|胸外科

撰稿｜张晓旭

人类与癌症的较量已经持续了漫长岁月，攻克癌症是医学界和无数患者及其家庭奋力追寻的目标。在AI变革一切的当下，我们不禁要问：攻克癌症，AI能不能搭把手？

近期，未来医生官方公众号“医联Medlinker”发布文章《250名三甲医生实测未来医生大模型：复杂肺癌AI诊疗研究公布结果》，内容显示，未来医生与国内顶级三甲医院胸外科团队联合公布了一项实验结果：在针对肺癌复杂病例的治疗方案中，未来医生医疗大模型MedGPT表现优异；更关键的是，在AI与医生的人机协同下，医生的诊疗得分也明显提升。

这场实验获得中美医疗圈诸多顶级专家纷纷点赞。真正能让临床获益的医疗AI到底是什么样？这场实验或许也给出了答案。

10月20日《250名三甲医生实测未来医生大模型：复杂肺癌AI诊疗研究公布结果》文章，图片来源：未来医生官方公众号“医联Medlinker”

一场围绕真实复杂病例的医疗AI实验

肺癌是全球最常见的恶性肿瘤，也是癌症死亡的首要原因。

据国际癌症研究机构（IARC）最新数据显示，2024年全球肺癌新发病例约263.7万例，死亡约186.2万人，分别占全部癌症新发病例和死亡人数的12.8%、19.1%。在中国，严峻程度更加突出：2024年肺癌新发病例约117.6万例、死亡约74.3万人，分别占中国全部癌症新发病例和死亡人数的22.8%和28.8%。

近年来我国肺癌患者5年生存率虽有所提高，但仍处于较低水平，整体预后较差。受肺癌高死亡率影响，大众甚至已对其形成“发现即晚期，晚期即死亡”的认知。

面对沉重疾病负担，医学界一直在寻找更有效的诊疗手段。AI是否能为辅助肺癌诊疗提供可行方案？这个问题也已进入了研究人员的视野。

本次实验由未来医生与国内顶级三甲医院胸外科团队联合开展，是国内首次以百人级三甲医院医生作为对照，针对肺癌诊疗进行大规模AI实证研究。

为保障结果的可靠性，实验团队在病例来源、对照医生和评价规则等关键环节做了严谨设计。

首先，病例来源真实复杂。40例病例全部由国内顶级三甲医院提供，此前从未公开，多数病例具有指南推荐不明确、共病冲突或多因素交织等特征，没有标准化答案，需参与者完整梳理各类临床信息，权衡不同治疗方案的收益与风险。

实验的参照对象也具有代表性。参与对比的250名医生均来自三甲医院，覆盖全国27个省级地区、98个标准化中心，覆盖胸外科、呼吸科、肿瘤科三大关键科室，代表了该领域的中坚力量。

同时，评价规则前置，规避主观偏差。正式评估启动前，20位国内顶尖临床专家预先制定出240条细化评价规则，最大程度减少人为打分带来的干扰。

总之，整套实验设计高度贴合真实临床场景，力求以尽可能客观的视角来检验AI应对复杂疑难病例的实际水平。

实验过程中，每名参与医生在无辅助、检索参考、未来医生MedGPT辅助三种条件下，各完成3例复杂病例诊疗决策。

同时，未来医生MedGPT与GPT-5.4、Claude Opus 4.7、Gemini 3.1 Pro独立完成全部40例病例的诊疗决策。

实验中医生在无任何辅助（U条件）、检索参考（R条件）和未来医生MedGPT辅助（M条件）下的不同得分，图片来源：实验论文预印本

实验结果显示：

基于研究设定的评分体系，在与医生无辅助条件下提交的750份诊疗方案的比较中，未来医生MedGPT有660次获得更高评分，以88比12力压250名三甲医生。

在人机协作比较中，医生总体得分从无辅助条件的53.4，提升至MedGPT辅助的66.27，增幅24.1%。

在通用模型比较中，未来医生MedGPT综合得分96.22，大幅领先于其他国际主流通用模型。

多维度对照下得出的实验结果，为AI处理真实复杂病例的能力提供了重要实证支撑。

“这是医疗圈真正需要的医疗AI”

一项医疗AI实验取得好成绩，固然能够证明模型的技术能力，但对临床应用来说，更重要的是它能否解决医生在实际工作中遇到的问题，能否为医生提高诊疗水平。

本次结果公布后，来自中美两地医疗界的临床、学术人士陆续公开发表评价，认为这是医疗圈真正需要的医疗AI。

● 山东省肿瘤医院乳腺病中心主任王永胜称，未来医生MedGPT“是能够给肿瘤临床医生带来巨大帮助的医疗AI”；

● 四川大学华西医院胸外科学科带头人陈龙奇认为它“对临床医生很有用”；

● 中国医学科学院肿瘤医院胸外科食管病区主任李印则说，这“正是一线临床医生迫切需要的医疗AI”；

● 美国顶尖医学中心UCSF Health肿瘤外科主任Robert Warren 博士认为“这是一项重要研究”，AI在医学诊断和治疗决策中的作用不断发展，它能更好地为患者及照护方提供信息支撑；

● 美国City of Hope乳腺肿瘤内科主任、ASCO教育委员会前编委Hope S. Rugo博士称这项研究“represents a truly remarkable advancement in oncology”，并表示希望探讨合作可能；

● CyberKnife Miami医疗总监、资深放射肿瘤专家Mark Pomper肯定“AI正在彻底改变癌症治疗”的同时，还期待AI与更多肿瘤科医生协作，扩大服务范围以惠及更多患者。

这些评价表明，临床端关注的医疗AI主要有两个方面：一是AI本身的技术能力如何，二是它能否真正走进临床、帮医生处理复杂问题，把技术能力转成实际的患者获益。

因此，真正的医疗AI价值进一步清晰：AI在实验中的表现优于医生，代表了技术的阶段性突破；AI能实实在在增强医生的业务能力，才是医疗AI的终极价值。

现实中，AI擅长处理海量医学数据、完成逻辑推演，却始终存在人文关怀的缺失。

患者救治除了分析各项数据化的检查检验指标之外，还必须关注他们的心理状态、治疗诉求、对生活质量的期待，这些根植于人的情感与现实处境，很难被数据完整捕捉。AI能输出诊疗参考，却无法共情病痛带来的心理压力，也体会不了患者对生存与生活质量的艰难取舍。

可以肯定的是，在真正的医疗AI价值体系中，AI不会取代医生，只会拓宽医生能够触达的能力边界。无论医疗AI进入多么“高级”的阶段，人机协同都是最基本原则。其中，AI负责高效完成信息整合与方案推演，人类医生则承担起共情、判断与责任，把冰冷的决策建议转化为适配个体患者的诊疗选择。

本次实验已验证了人机协作模式的优越性：人机协同工作的得分，显著高于医生无辅助条件下的得分。来自国内外顶尖专家的积极评价，也从临床需求和应用前景两个层面，进一步体现了人机协同的重要性与必要性。

AI+复杂临床决策，已填补空白

放眼全球，AI已经在医疗领域遍地开花，应用覆盖AI辅助诊断、AI临床决策、AI药物研发、AI医疗设备、AI患者服务、AI医院运营等多个方向，逐步形成各自的技术路径与应用模式，不少细分领域已出现标志性产品与代表性企业。

不过，AI在临床决策方向的应用中，还存在一块明显空白。

当前国内外医疗AI快速发展，回答医学问题、通过医学考试，成为业界检验模型能力的常用标准。不少模型在医学问答、辅助诊断建议上表现亮眼，可协助医生快速调取资料、梳理诊疗思路。在这些推理路径和任务边界相对清晰的场景中，AI已经体现出可观的应用成果。

不过，通过医学考试，与真正参与复杂临床决策，仍然存在很大差距。现实中，通过医师资格考试并获得医师资格的医生，与独立执业之间也存在较大差距。

考试题目通常有相对明确的题干和答案，模型可以依据已有医学知识进行分析和作答。真实临床中的复杂病例则往往没有标准答案，患者可能同时存在多种疾病、不同程度的器官功能损伤，既往治疗经历和个体差异也会影响后续方案。

面对复杂病例，医生需要从病史、影像、病理、基因检测等多维信息中寻找关联，在多种治疗路径之间权衡利弊，还要考虑方案在具体患者身上的可行性。

以本次实验中的复杂肺癌患者为例，分期、病理、分子特征、器官储备、共病、毒性风险、患者目标和治疗时序等因素可能同时影响方案选择。

治疗过程中出现的新变化，又会让决策变得更加复杂。治疗方案需要考虑到主要和备选路径、每条路径的成立与退出条件、会改变选择的未知信息，以及条件变化后的复评、转换和回退安排。

对于AI来说，难点在于能否理解具体病例的复杂性，整合不同来源的信息，进行连续推理，并在存在不确定性的情况下形成有临床价值的判断。

尽管行业已在AI临床决策领域积累起医学问答和辅助诊断能力，但面对复杂病例，还缺少经过系统检验、能够应对真实临床不确定性的成熟产品。

未来医生在严肃医疗领域沉淀多年，自研的医疗垂类大模型持续迭代，最新版未来医生MedGPT以可审计的循证临床决策链为核心，聚焦临床与复杂疾病诊疗痛点，通过大量的学术与临床实证推动医疗AI从实验室走向诊室，打造临床真正需要的医疗AI。

此次MedGPT在肺癌复杂病例实验中的表现，直观展现它处理复杂临床决策问题的能力，相较于常规医学问答，这类实验更接近医生在真实诊疗中面对的综合判断任务。由此，未来医生MedGPT填补起AI在临床决策方向的空白，成为该方向的代表产品。

站在行业视角，未来医生及未来医生MedGPT也推动医疗AI迈入新阶段：从完成标准化考题，跃升至应对现实中充满不确定性的复杂临床决策。

巨头扎堆入场，垂类AI凭什么被单独定价

过去两年，医疗AI的参与者明显分成两类。一类是通用大模型厂商与互联网平台，凭借多模态能力与流量入口，把AI做成问诊、健康咨询、报告解读的入口；另一类是垂类公司，把精力集中在更窄、也更难的地方——具体病例的决策质量。

两类玩家的差别，不在模型大小，而在责任链条。入口型产品可以给出建议，但很难为建议负责；一旦进入诊断与治疗决策，问题就变成：这条建议依据什么、谁审核过、出错谁承担。这正是通用能力难以直接跨越的一步。

这场实验评测的恰恰是这一步。在40例没有标准答案的复杂病例上，它衡量的不是“答得像不像医生”，而是方案对关键临床要求的说明是否充分——有没有主要方案、有没有备选路径、每条路径的成立条件是什么。评分规则先于答案产生，评审过程盲态独立。换句话说，它给出的不是“更聪明的回答”，而是“可被追问的判断”。

海外一级市场对这类公司的定价，已经出现过百亿美元级的样本。更值得注意的是定价依据：资本市场锚定的不是参数规模，也不是榜单分数，而是三件可计量的事——能嵌入多少医生的决策流程、能覆盖多少支付方、判断能否被审计。

按这个逻辑，模型能力只是入场券，可审计才是定价基础。一个能答对题的模型，最多是个工具；一个能被复核、被追责、能被写进流程的模型，才可能成为基础设施。这也是这次实验对估值叙事的意义：它没有证明“AI比医生强”，但它证明了另一件事——AI的判断可以被拆解、被记录、被复核。

在医疗这个行业，后者比前者值钱得多。我国卫生总费用已超过9万亿元，其中相当一部分花在“本可以更合理”的地方：本可在基层解决的轻症挤进三甲，本可一次说清的问题反复复诊，本可标准化的路径各走各的。AI改变的从来不是需求总量——人还是会生病，还是需要被治。它改变的是供给的组织方式：把顶级医生的判断力，从“一个人的时间”变成“可以被复用的能力”。

这件事有三个可计量的入口：医院端，是多学科会诊与专家二诊的效率；支付端，是核保与控费时对“医疗必要性”的判断能力；企业端，是员工医疗服务从“报销”走向“管理”。三个入口指向同一件事——判断力开始像水电一样被输送。放在这个尺度上看，一次40例病例的实验当然只是一小步。但它验证的那项能力，恰好是这条链条上最难、也最贵的一环。

医疗AGI，从抽象概念到具体能力

几个月前，未来医生创始人王仕锐在业内率先提出医疗AGI的宏大构想，这是一套以最大化人类健康寿命和生活质量为终局目标的通用医疗智能系统，实现医疗AGI也是未来医生的长远目标。

在王仕锐看来，未来医生想要实现的医疗AGI，并不是普通的医疗AI产品，它肩负着两项更高维度的使命：让最好的医疗能力被复制，让医学知识本身更新得更快。他借用张载的“横渠四句”，将其概括为“继绝学”与“开太平”。

“继绝学”指向当下，即借助AI沉淀和复制顶尖医生的诊疗能力。顶尖医生的经验往往需要长期临床实践才能积累，难以快速推广。AI有望将这些知识和经验转化为可复用的模型能力，为更多医生提供高水平的诊疗辅助，让优质医疗资源突破个人的时间和地域限制。

“开太平”则指向医学的未来。医学进步长期依赖病例积累、临床研究和专家经验，诊疗指南更新往往需要数年时间。未来，AI有望参与患者入组、数据收集、研究假设提出、疗效归纳和真实世界验证，加快临床证据积累与医学知识更新，甚至为现有医学尚未解决的疾病难题探索新的治疗方向。

从复制已有的顶尖医疗能力，到推动医学知识持续进化，这构成了未来医生对医疗AGI的完整构想。本次肺癌复杂病例实验，是医疗AGI从抽象概念具象为技术能力的关键节点。

AI的确还不能直接创造全新的癌症治疗手段，但它提供了新的技术工具，帮助临床人员拓展诊疗思路，在对抗癌症的过程中获得更多有效参考。

放在人类对抗癌症的漫长时间线上，AI辅助复杂肺癌诊疗只是一小步；但从AI走进临床决策的发展历程来看，这是一次意义显著的重大进展。无数类似的进展持续积累，终将让人类在重大疾病面前拥有更强的应对力量。

*封面图片来源：AI生成

秒追医疗健康产业创新