一次正确的判断，能否成为更多人的机会？
文丨尹莉娜
一份医学指南可以被无数人同时查阅，一位好医生却不能同时为无数人看病。
医疗服务中，部分核心能力难以随知识传播而规模化。面对复杂病情，医生需基于指南、研究及多年经验，判断信息缺口、权衡治疗风险并决策路径。未来医生官方公众号“医联 Medlinker”近期公布的一项实验表明，AI 为复制这种专家经验提供了新可能。
2025年12月，经医疗伦理委员会批准，国内某顶级三甲医院胸外科从过去两年1.6万余份门诊病例中筛选出40例肺癌“灰区病例”。此类病例因多病共存、治疗禁忌及风险权衡复杂，现有指南难以直接给出明确方案，即便经过多学科会诊（MDT），医生仍面临抉择困难。
实验主要研究者（PI）、知名胸外科专家梁教授在看到未来医生医疗大模型 MedGPT（以下简称“未来医生 MedGPT”）生成的诊疗参考方案时坦言：“这个方案我当时确实没有想到。”为此，梁教授牵头该院胸外科与未来医生共同开展对照实验，以评估 MedGPT 处理复杂病例的能力及其对医生的辅助价值。
来自全国98家三甲医院的250名医生参与评测，分别在无辅助、有检索参考、有 MedGPT 辅助三种条件下拟定诊疗方案，MedGPT 亦独立作答，所有方案按统一规则评分。
结果显示，医生在上述三种条件下的平均得分分别为53.4、61.05和66.27。在与医生无辅助提交的750份方案对比中，未来医生 MedGPT 有660次获得更高评分，胜负比为88∶12；获得 MedGPT 辅助后，医生平均得分较无辅助条件提升24.1%。
相比无辅助或仅参考检索资料，MCE(MedGPT Clinical Explorer) 辅助下的医生制定的诊疗策略总体得分更高，增益涵盖治疗备选路径、关键信息、安全风险和后续评估。
针对数据背后的逻辑，研究团队进一步探讨了专家经验如何被 AI 学习、调用，并转化为更多医生可用的助手。
医生的工作，不只是回答医学问题
医疗一直是人工智能备受期待的应用领域。过去，AI 主要辅助影像识别、异常筛查等单项任务，诊疗判断仍由医生综合完成。
随着大模型将病史、检查报告和医学文献整合进同一系统，AI 开始参与更完整的诊疗过程。在能力验证之前，患者已率先使用：通过手机获取病情解释，甚至拿着不同 AI 给出的结果在医院“对答案”，或带着通用大模型的笃定结论质疑医生方案。
自2023年以来，ChatGPT 及国内外多个大模型在医学测试中展现出答题能力。但在临床医生看来，“会答题”不等于“有临床能力”。
“真实的病人不会完全按照指南和教科书的标准发病，每一位患者都存在独特的个体化差异。”梁教授指出。面对无唯一标准答案的复杂病例，医生需综合病情、共病、耐受性及患者目标，在多条路径间作出选择，同时考量药物可及性、经济负担及安全性。
“一项医疗方案哪怕疗效再好，如果安全性无法保障，也是不可取的。”这也是梁教授牵头实验的现实起点：验证 AI 能否在复杂权衡中辅助医生决策。
评估的前提是明确“好方案”的标准。研究团队邀请国内多家顶级三甲医院6个科室的20位高级职称专家，以40例灰区病例为样本，制定240条评价规则。这些规则将复杂决策拆解为可检验指标：是否识别关键临床问题、是否指出需补充的信息、是否考虑不同路径及切换条件、是否守住安全边界、是否安排后续复评等。
参与对照实验的250名医生中，主任医师和副主任医师占比超63%。研究还将主流通用大模型纳入评测。结果显示，未来医生 MedGPT 综合得分为96.22，显著高于 GPT-5.4 Direct（71.38）、Claude Opus 4.7 Direct（61.81）和 Gemini 3.1 Pro Direct（54.62）。
在本研究的病例和评分条件下，完整 MCE(MedGPT Clinical Explorer) 生成的诊疗策略内容评分高于三种通用大模型对照。
未来医生技术负责人孙武斌表示，结果高于预期，但实验初衷并非比较“AI与人类谁更会看病”，而是探索“AI怎样解决真实世界的医疗问题”。
医联及未来医生创始人王仕锐曾指出：“医疗真正的卡点是供给，不是连接。”尽管互联网提高了连接效率，但顶尖医生多年积累的临床判断力仍是稀缺资源。2023年，医联确立“All in AI”战略，构建医疗 AGI，愿景概括为“继绝学、开太平”：既希望 AI 学习已有经验提供标准化服务，又期望其超越已有经验，为棘手疾病提供新思路。
这一愿景需进入医生实际工作，在使用中验证并积累反馈。2023年 MedGPT 1.0 版本问世时，团队曾在北京阜外医院等机构开展实验，覆盖常见病诊疗环节。当时真人医生与 AI 综合得分分别为7.5和7.2。孙武斌指出，从1.0到2.0版本，评估重点已从单点任务转向复杂病例的综合决策：AI 能否组织分散信息、识别风险、权衡路径并动态调整。
“蒸馏”最好的医生，创造一套可执行的系统
通用大模型的进步给专业医疗 AI 公司带来机遇与挑战。当基础模型能阅读论文、解释报告时，专业公司的核心竞争力在于那些难以从公开资料获取、却影响实际诊疗的能力。
这使得医院和临床专家的角色发生转变：不仅提供病例和评价，更参与定义系统逻辑——如信息不足时的追问顺序、证据冲突时的取舍原则、路径受阻时的转向时机。这些隐含在诊室日常中的判断，往往未完整记录于病历，却是专家数十年经验、习惯与价值观的结晶。
王仕锐形容，顶级专家的核心价值在于“决策的几分钟”。在这几分钟里，医生需关注关键信息、规避风险、取舍矛盾证据并决定路径转换。让 AI 学会这种判断，绝非简单投喂病例和指南。
未来医生正建立两套知识体系：一套来自指南、论文、说明书等公开资料；另一套来自专家个人的诊疗经验、研究成果及记录。后者尤为重要，因为指南难以覆盖所有个体差异，而专家判断中包含大量未标准化的经验。
未来医生将这一过程称为“蒸馏”：与临床专家合作，将个人经验中的知识、判断标准和诊疗方法转化为可辅助决策的系统单元。
以复杂肺癌为例，决策涉及手术、用药、放疗及多科室意见。若患者合并其他疾病，考量更为复杂。梁教授指出，专家讨论灰区病例时，常感信息不完备，而这正是真实临床的常态。
孙武斌解释了 MedGPT 的处理逻辑：
第零步：判断是否需多专科会诊。MedGPT 作为“主管医生”分析病案，必要时调用相关科室 AI 角色，发起模拟多专家会诊。
第一步：“理解病例”。结合会诊意见，重新检视数据，判断关键信息缺失及需补充的检查，明确治疗目标及安全“红线”。
第二步：“生成候选”。形成两类路径：E-path（标准路径）依据指南共识，侧重规范；F-path（前沿路径）检索最新学术会议、RCT、真实世界研究及在研新药，探索新可能。
第三步：“检验闭环”。对候选路径进行虚拟推演，排查风险和证据缺口，明确需基因检测等验证的条件，形成V-path（验证路径）供临床判断。
最终交付的个体化诊疗方案报告，列出建议及备选路径，说明切换条件、安全性及有效性依据，并提供生存获益等数据供医生比较。
生成一份复杂肺癌灰区病例的完整决策报告约需十多分钟。孙武估计，技术团队约80%的时间花在“内容输出的控制”上：既要符合临床标准，又要让医生易读、愿读。
例如，内部术语“E/F/V-path”并非临床用语。团队发现医生更关注具体问题：关键步骤、合并症禁忌、耐受性及新药匹配度。因此，报告不再解释内部术语，而是围绕临床问题组织。
篇幅也经反复调整：早期版本过长增加阅读负担，压缩后又缺关键信息。团队需在通用性与外推能力之间持续校准 AI 的职责范围。
在孙武斌看来，MedGPT 进入临床需完成一层“翻译”：将证据和路径转化为临床语言，供医生理解、审阅并决定是否采用。若医生无法判断报告，再强的推理能力也难以发挥临床价值。
从学习专家经验，到参与医学知识的产生
让 AI 参与诊疗判断是全球科技公司与医疗研究者的共同方向。Google 的 AMIE 系统延伸至疾病管理，微软开发模拟多医生协作的诊断系统。这些探索共同面临如何处理不完整信息、比较路径及与医生协作的问题。
未来医生与国内顶级三甲医院的这项实验也在社交平台 X 上引起美国临床专家关注。希望之城乳腺肿瘤内科主任 Hope S. Rugo 博士表达合作意向，前列腺癌放疗专家 Mark Pomper 认为需更多协作以惠及患者。
目前，AI 在医疗领域的突破多集中在上游：AlphaFold 预测蛋白质结构，AlphaGenome 解码基因组，AI 制药缩短新药发现周期。但这些突破最终需经过“医生面对具体患者做出具体判断”这一节点，而这正是当前 AI 医疗最薄弱的一环。
对未来医生而言，此次实验仅是阶段性进展。王仕锐希望医疗 AGI 能加速医学指南更新，提出衡量标准：AI 能否将部分疾病的临床研究与知识更新周期压缩至三至六个月。
传统流程需经历假设提出、试验设计、招募跟踪、结果评价及专家讨论。王仕锐设想，AI 可参与提出假设、组织入组、收集数据和分析疗效。
廉泽良解释了实现路径：若 AI 持续参与医疗服务，全病程数据及医生判断将被记录整理，既用于后续服务，也成为临床研究基础。“医生在服务患者的过程中，本身就是在做临床研究。”新现象可被早发现，新假设可被提出，真实世界数据为验证提供依据。
这些设想仍需验证。目前实验评估的是诊疗方案而非患者结局。孙武斌透露，未来将推进 MedGPT 多中心实验及真实世界前瞻性研究，跟踪实施后的患者状况，检验系统在实际诊疗中的作用。
医疗 AI 的价值，究竟在哪里？
医疗需求广泛但难以像软件一样规模化。一位医生增加接诊需付出更多时间，医院扩大服务需增加人员设备。医疗 AI 为这部分工作的规模化提供了新想象：一次研发和持续维护投入，可支持更多医生使用。
2026年，医疗 AI 成为全球资本市场关注焦点。以临床决策支持为核心的美国企业 OpenEvidence 估值从年初120亿美元攀升至年中150亿美元。其估值逻辑并非模型参数规模或独占知识，而是改变了医生获取和使用医学知识的方式。
检索解决“医学已知什么”，临床决策需回答“对眼前患者该怎么做”。王仕锐认为，OpenEvidence 验证了知识获取效率的商业价值，而未来医生 MedGPT 探索的是另一种价值：高水平临床决策能力的规模化供给。
若 AI 能将顶级专家的判断力转化为可复制、可验证、可持续迭代的系统，改变的不仅是工作效率，更是医疗行业的供给方式。
当 AI 持续参与诊断、治疗到随访全过程，其价值将从决策延伸至医疗结果：为患者提供更合适方案、减少无效治疗；为医院扩展优质能力、提升效率；为支付方改善质量、减少不必要支出。由此，商业模式也可能从按用户或订阅收费，延伸至按决策支持、服务管理乃至实际效果收费。
从复杂病例对照实验到真实世界改善患者结局并获得支付方认可，仍有漫长验证路径。但这为医疗 AI 的长期价值提供了新尺度：一家企业的价值，不仅取决于服务医生数量或回答问题数量，更取决于创造的高质量临床决策数量，以及这些决策为多少患者带来真实获益。
题图来源：《豪斯医生》
- FIN -
