国产医疗大模型MedGPT攻克复杂肺癌诊疗，人机对决胜率达88%

中国AI医疗公司“未来医生”与国内顶尖三甲医院胸外科团队联合开展了一项大规模临床实证研究。在针对40例复杂肺癌病例的严格对照评估中，医疗大模型未来医生MedGPT在方案质量上与临床医生形成了88比12的评测对比，展现出医疗AI在复杂临床决策领域的显著突破。

实验邀请了来自全国27个省份、98个医疗中心的250名三甲医院医生参与，其中主任及副主任医师占比达63.6%。在MedGPT的辅助下，医生诊疗方案的总体平均得分从53.40分提升至66.27分，相对增幅达24.1%。

该研究成果获得了中美肿瘤医学界多位专家的认可，包括中国医学科学院肿瘤医院李印教授、山东省肿瘤医院王永胜教授、加州大学旧金山分校（UCSF）肿瘤外科主任Robert Warren博士等，均对该模型在临床复杂决策中的实用价值表示肯定。

专攻临床“灰区”，250名医生多轮实测

肺癌常年位居全球及中国恶性肿瘤死亡率首位。真实临床中，许多患者伴随基础病、器官功能受损或过往治疗史冲突，这类被称为诊疗“灰区”的病例通常缺乏明确的指南定论，极度依赖医生的综合判断。

本次研究选取的40例未公开病例均具有典型的临床灰区特征。250位医生分别在“无辅助”、“检索参考”和“MedGPT辅助”三种条件下作答，累计生成2250份诊疗策略文本。

在人机对比中，面对医生在无辅助条件下提交的750份方案，MedGPT在660次对比中获得更高评分，战胜率为88%。同时，MedGPT给出的标准化方案篇幅较医生平均缩短40%以上，表达更为精炼。

在横向大模型测评中，MedGPT取得了96.22分的综合评分，高于同测试条件下的GPT-5.4（71.38分）、Claude Opus 4.7（61.81分）和Gemini 3.1 Pro（54.62分）。通用大模型通常倾向于给出单一方案，而MedGPT则能输出包含准入与退出条件的多个备选路径。

为确保评估客观，20位专家制定了240条病例评价规则，其中包括40条安全性硬性红线。评测全程对方案来源进行盲审，由多模态裁判模型根据统一标准打分。

条件式多路径与推演：拆解MedGPT技术架构

MedGPT是国内首批获批用于辅助疾病诊断与治疗建议的生成式医疗算法。升级至2.0版本后，其重点转向复杂临床决策支持，核心在于多专科会诊机制与条件式多路径策略。

当复杂病例输入后，系统首先启动多个专科AI智能体（Agent）联合分析，汇总分歧点并进行病例编译，理清患者病史及当前的各项生理约束指标。

随后，模型构建两类候选治疗路径：

• E-Path（标准路径）：基于权威指南与共识，确保常规诊疗规范；
• F-Path（前沿路径）：基于团队整理的20.1万条临床证据单元（CEU），匹配最新前沿研究与临床试验数据。

完成路径规划后，系统针对争议点发起补证检索，并借助世界模型进行模拟推演。系统会预测患者在不同治疗阶段可能出现的生理反应与风险；若遇到不可控风险，则降低该方案优先级或剔除，最终收敛为可落地的验证路径（V-Path）。

最终呈现给主治医生的报告中，不仅列出首选方案、备选策略及准入条件，还包含总生存期（OS）、无进展生存期（PFS）等获益分析。该设计延续了团队此前发表在Nature子刊《npj Digital Medicine》上的CSEDB临床双轨评估体系。

拓展临床决策边界

医疗AI的定位正从基础医学问答转向核心诊疗协作。本次针对肺癌灰区的实测验证了专业模型在复杂推演中的实用度。

在“AI辅助分析、医生最终决断”的工作流下，模型帮助医生补全了证据链条与备选方案，有效降低了误诊漏诊及过度治疗的潜在风险。

未来医生团队表示，后续将推动该技术架构在更多癌种及复杂慢性病领域展开多中心临床验证，持续探索医疗大模型在优质医疗资源普惠与复杂重症诊疗中的实践路径。