中国AI突破复杂肺癌诊疗！中美医疗圈集体坐不住了

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 中国AI突破复杂肺癌诊疗！中美医疗圈集体坐不住了 鹭羽 2026-11-13 15:43:03 来源： 量子位 鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 了不起！国产AI首次完成 大规模肺癌实证 ，挑战「头号癌症杀手」取得重大突破： 围绕40例复杂肺癌病例，在完全统一的标准评估下， AI对医生 ， 88比12 。 几乎是临床表达上的断崖式领先。 其中参与实验的250名医生，来自全国各地的三甲医院。 多数还是主任或副主任医师，平时排号都排不上的那种……含金量自然不言而喻。 该项研究由中国AI医疗公司 “未来医生” 与 国内顶级三甲医院胸外科团队 联合开展，将医疗AI直接放进了临床最考验综合判断的一类场景： 肿瘤病情复杂、多种治疗方案相互牵制，且没有唯一标准答案。 背后发挥作用的，正是 未来医生医疗大模型MedGPT （以下简称：未来医生MedGPT）。 不仅对比GPT-5.4、Claude Opus 4.7、Gemini 3.1 Pro等当前国际主流通用大模型优势明显，人机协作一侧的变化也同样具体。 未来医生MedGPT辅助下，医生总体得分从53.40跃迁至66.27，相对增幅 24.1% 。 它的表现，也让包括中华医学会主委级专家、美国顶尖肿瘤医学专家在内的近10位一线临床权威纷纷竖起大拇指： 国内包括中国医学科学院肿瘤医院胸外科食管病区主任 李印 、山东省肿瘤医院乳腺病中心主任 王永胜 、四川大学华西医院胸外科学科带头人 陈龙奇 在内的多位中华医学会主委级专家均认可其临床实用价值，认为这正是 一线医生迫切需要的医疗AI 。 美国UCSF Health肿瘤外科主任 Robert Warren 、美国“希望之城”国家医疗中心乳腺肿瘤内科主任 Hope S. Rugo 、有迈阿密地区顶尖前列腺癌放疗专家之称的 Mark Pomper 、加州大学旧金山分校血液肿瘤科荣誉主任 Marc Shuman 等顶尖专家也同步发声，肯定研究的 行业价值 与 落地潜力 。 放到行业看，这场肺癌实验，让医疗AI参与复杂诊疗的能力，有了一份可以展开讨论的国产实证答卷。 从理论到实践，AI正在为更多人的癌症治疗开辟新的可能。 250名三甲医生参与，专攻肺癌诊疗灰区 坦白来讲， “攻克癌症” 一直是AI进入医学领域备受关注的方向之一。 过去几年，AI在相关领域的突破，已经一路深入到蛋白质结构预测、基因研究和药物研发。 但要走到患者面前，临床上还需要回答一个更为具体的问题： 怎么治？ 尤其是类似肺癌这样的重大疾病。世界卫生组织的资料显示，肺癌是全球癌症死亡的首要原因，2024年约造成190万人死亡。 全球每5个癌症死亡者中，就有近1个死于肺癌。 而在中国，这一负担更为集中，肺癌连续多年位居国内恶性肿瘤发病和死亡首位。 实际诊疗中，患者的情况也是千差万别。同样的治疗方案，遇到器官功能、共病和既往治疗不同的患者，适用条件就会发生变化，非常考验医生及AI的随机应变能力。 本次实验带头人、知名胸外科专家梁教授，在长期临床工作中就经常面对这样的难题。 在他看来，肺癌灰区诊疗需要把循证医学与前沿研究放到患者的个体差异中，找到合理的治疗安排。团队与未来医生合作开展研究，便是希望将这些临床判断梳理成 AI能够参与、医生能够审阅 的决策过程。 研究从真实临床中选取40例 未公开病例 ，这些病例均具备灰区特征，存在指南推荐不明确、共病约束冲突等情况，具体治疗路径需要结合多个条件共同判断。 对照组 的阵容也做了充分设计。 250名参与医生覆盖全国27个省级地区、98个标准化中心，横跨胸外科、呼吸科和肿瘤科。其中，主任医师、副主任医师共159位，占63.6%。 这样做的好处在于，能够让不同地区的临床经验与诊疗视角同时进入评估，让实验更充分地纳入本土多样化的诊疗实践。 接着每位医生将分别在无辅助、检索参考和未来医生MedGPT支持下，各完成3个不同病例，最终形成2250份策略文本。研究由此观察医生对同类肺癌复杂问题的处理表现差异。 先看 人机比较维度 。 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战胜了250名三甲医生。 它的标准化输出也平均比医生短四成以上，相当于以更少的文字表达了更完整的临床内容。 在 人机协作维度 上，医生的总体得分也存在显著提升。 有未来医生MedGPT辅助的医生，明显对候选路径的考虑更加完整，路径选择中的关键判断和风险评估也更聚焦。 同时在与通用大模型的同条件横评中，未来医生MedGPT综合得分 96.22分 ，大幅度超越GPT-5.4（71.38分）、Claude Opus 4.7（61.81分）和Gemini 3.1 Pro（54.62分）。 其优势在于 候选治疗路径生成 。通用大模型通常给出单一诊疗方案，未来医生MedGPT更倾向于同时提出多个合理备选路径，以及每条路径的准入退出条件。 这也是后续将重点提及的未来医生MedGPT核心架构的 条件式多路径策略 。 为了确保实验成绩可信，研究团队还提前建立了一套 评分依据 。 20名多学科专家通过三轮过程，形成240条病例评价规则，逐例明确需要处理的临床问题、治疗前必要信息和可选路径，并将医生复评一并纳入评价体系。 其中40条锚定治疗资格与治疗强度的安全边界，触及即判负。个中考量，梁教授是这样形容的： 因为在医疗工作中， 安全性的优先级往往高于有效性 。 规则冻结后，再由三个AI裁判（GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro）独立评分，评审全程隐藏答案来源。 最终输出的高分策略，需要将治疗选择的依据和实施条件一并交代清楚，才能供后续临床讨论使用。 先会诊，再推演：未来医生MedGPT技术拆箱 此次研究使用的临床智能体系统为 未来医生MedGPT 。 未来医生MedGPT是一个原生为临床使用场景设计的医疗大模型，也是中国首个获得批准的用于疾病诊断和治疗建议的生成式AI模型算法。 1.0时代主要面向通用问诊，控制模型输出安全、有效；新升级的2.0版本则把复杂诊疗决策做得更扎实。 相比通用大模型和医学检索工具，未来医生MedGPT能够 整合前沿医学证据 ，将候选路径、适用条件与风险应对组织成更完整的诊疗策略。 系统设计的起点，从一场 多专科会诊 开始。 以这位68岁的肺癌患者为例，患者病情复杂，疑似术后复发，本身兼有间质性肺病。医生纠结的点是——要不要对局部病灶动手，但又怕放疗把本就脆弱的肺彻底打坏。 患者病历进入未来医生MedGPT后，多个专科Agent会先各自分析患者问题，并将需要进一步判断的分歧汇总，留待后续推演核验。 随后系统进行 病例编译 ，把病史和检查结果按时间整理，明确患者当前状态，再根据治疗目标确定约束条件。 先诊断评估，再推进治疗，也符合真实临床逻辑。 在此基础上，系统依次 生成多组候选路径 ： 标准路径 E-Pat