250 名三甲医生与 AI 对决：未来医生 MedGPT 以 88:12 胜出，流程能力成关键

近期，一项由中国顶级三甲医院胸外科主导的多中心研究在《科学》杂志相关领域引发了关注。研究将 250 名来自 98 家医疗机构的资深医生与医疗大模型“未来医生 MedGPT”置于同等条件下进行肺癌疑难病例诊断比拼。结果显示，无辅助医生的平均得分为 53.26 分，而 MedGPT 得分高达 85.29 分，在对一场比赛中以 88:12 的比分占据绝对优势。

该研究聚焦于教科书无法给出标准答案的“灰度区域”病例，包括肺癌晚期合并间质性肺病、术后复发且基因检测结果未出等复杂情境。研究团队从 100 例复杂病例中精挑细选 40 例高难度题目，由 20 位多学科顶级专家制定评分规则，其中包含 40 条安全红线。在平均分仅为 53.26 分的情况下，MedGPT 不仅得分更高，其诊疗方案平均长度比医生短了四成以上。

对比测试涵盖多个国际顶尖模型，包括 GPT-5.4、Claude Opus 4.7 和 Gemini 3.1 Pro。在这些通用大模型的横评中，MedGPT 的综合评分为 96.22 分，而上述三款模型得分分别为 71.38 分、61.81 分和 54.62 分。消融实验进一步揭示，MedGPT 的高分并非单纯依赖底层模型的规模优势，而是得益于其独特的多学科会诊流程和结构化知识管理能力。

在辅助模式下，医生利用 MedGPT 后的综合决策评分从 53.4 提升至 66.27，相对提高 24.1%。研究指出，AI 战胜医生的核心在于流程创新而非知识量堆砌。系统通过将文献拆解至最小证据单元、构建动态患者状态表以及实施多轮对抗式审查，模拟并优化了医生查资料、想方案、挑错的完整诊疗功夫。

在技术实现上，MedGPT 将一万三千多篇肺癌相关文献拆分为超过 20 万条结构化证据单元，并建立了 43 万条关系链。系统针对每位患者动态匹配证据，若条件变化（如基因检测结果出炉），诊疗方案会自动调整优先级。此外，系统通过虚拟患者推演进行安全与可行性审查，确保提出的方案既符合指南底线又兼顾前沿探索。

中华医学会主委级专家、美国顶尖肿瘤医学专家等近 10 位一线临床权威对该实验成果给出了正面评价。他们认为，这一成果展示了 AI 在复杂医疗决策中处理不确定性、降低认知负荷的潜力。目前，包括微软在内的多家机构也在进行类似的 AI 与医生对比研究，但未来医生 MedGPT 在本土真实临床环境下的表现引发了中美医疗界广泛热议。”,