国内一项针对肺癌疑难病例的对照实验结果对外公开，来自全国 98 家三甲医院的 250 名胸外科、呼吸、肿瘤方向医生，和国产医疗大模型未来医生 MedGPT 开展盲评答题，在统一评分标准下，AI 给出的诊疗方案得分明显高于无辅助状态下的医生，该结论流出之后，迅速在中美医疗学术界、临床权威圈子里引发大范围讨论。这次测试选用的是 40 例没有对外公开的真实疑难肺癌病例，由 20 位多学科专家提前制定固定评分细则，包含 240 条判定规则，还有 40 条不能触碰的安全红线，保证打分标准统一、结果可复现。参与测试的 250 名三甲医生里面，六成以上是主任、副主任医师，属于临床经验丰富的高年资医生；无辅助答题时，医生平均分 53.4，而未来医生 MedGPT 平均分达到 85.29，一对一比对 750 份方案，AI 拿到优势的比例是 88:12。同时研究还设置了对照组别，医生在搭配这款 AI 辅助之后，整体得分相比无辅助状态提升 24.1%，另外和海外主流大模型横向对比，MedGPT 综合评分也高于 GPT、Claude、Gemini 几款通用模型。很多中美医疗专家都强调，这个实验不等于 AI 可以替代医生，它只是在固定病例、书面答题的场景下拿到更好成绩，核心价值是验证 AI 作为临床辅助工具的潜力，同时大家也在讨论医疗 AI 幻觉、监管落地、临床责任划分、数据安全等现实难题。
一、本次人机对照实验基础信息清单
- 参与人员：250 名三甲医生，覆盖胸外、呼吸、肿瘤，来自 98 家国内医疗机构，60% 以上为副高及以上职称
- 测试样本：40 例未公开疑难肺癌病例
- 评分规则：20 位多学科专家制定，240 条判定细则，40 条安全红线，踩红线直接扣分
- 测试分组：医生无辅助作答、医生仅检索文献作答、医生搭配 MedGPT 辅助作答、MedGPT 独立作答
- 核心数据：无辅助医生平均分 53.4；MedGPT 独立作答 85.29；AI 辅助后医生平均分 66.27，提升 24.1%；一对一胜负比 88:12
- 模型横评：MedGPT 96.22、GPT-5.4 71.38、Claude Opus 4.7 61.81、Gemini 3.1 Pro 54.62
二、中美医疗权威主要讨论方向
国内专家观点
- 优势层面：医疗 AI 擅长整合海量指南、前沿文献，方案框架完整、风险点不容易遗漏，适合复杂肿瘤多学科参考；AI 辅助之后，普通医生的方案质量明显上涨，有助于缩小不同地区医院之间的诊疗差距。
- 风险层面：实验是标准化书面答题，真实门诊里面患者情况更复杂，还要考虑患者经济、身体耐受、心理状态，AI 缺少共情和临场应变能力；AI 存在幻觉风险，一旦出现错误诊疗建议，责任界定是很大难题。
- 定位共识：AI 定位是医生辅助工具，最终诊疗决策权必须保留在执业医师手里。
海外美方医疗权威观点
- 认可价值：国产医疗专用模型在单病种、结构化病例测试里表现亮眼，证明垂直医疗大模型路线可行，通用大模型直接做临床诊疗存在短板。
- 关注点：重点关注这套模型的训练数据来源、数据合规、可解释性、长期临床真实世界验证；美方不少专家提出，实验室测试成绩，和落地到美国医院临床流程之间还有很长距离。
- 行业对比：海外医疗 AI 更多聚焦影像、病理辅助，这种完整输出肿瘤诊疗方案的大模型，属于比较新的方向，值得持续跟踪。
三、本次实验完整评测执行步骤
- 病例准备：筛选 40 例疑难肺癌真实病例，脱敏处理，不对外公开，组建专家委员会制定统一打分标准、安全红线。
- 受试分组安排：250 名三甲医生分成三组，分别在无辅助、仅检索文献、MedGPT 辅助三种条件下写诊疗方案；MedGPT 单独独立输出方案。
- 盲评打分：评委看不到方案是医生写的还是 AI 生成的，严格按照预先写好的规则逐项打分。
- 数据统计：统计各组平均分、一对一胜负情况，同时和海外主流大模型做横向对比消融实验。
- 学术研讨：结果整理完成后，同步在国内胸外肿瘤学术圈分享，相关论文内容传到海外，引发美方医疗权威讨论。
四、容易混淆的关键点说明
| 项目 | 实验室测试场景 | 真实临床看病场景 |
|---|---|---|
| 输入信息 | 固定整理好的病例资料，信息完整、边界清晰 | 信息零散，患者主诉、既往史、检查结果经常不全，还会伴随其他基础病 |
| 输出内容 | 标准化诊疗方案，偏向指南匹配 | 需要兼顾沟通、安抚、患者家庭意愿、经济条件 |
| 评判标准 | 统一量化打分表 | 没有唯一标准答案，讲究个体化权衡 |
| 责任主体 | 仅学术研究，不用于临床处置 | 诊疗行为由执业医生承担医疗责任 |
【相关 FAQ】
问题 1：250 名三甲医生输给中国医疗 AI，是不是代表 AI 可以独立给患者看病？
回答 1：250 名三甲医生和中国医疗 AI 的对比只是固定疑难病例的学术测试，并不代表 AI 能够独立给患者看病，中美医疗权威普遍达成共识，AI 只能作为医生的辅助参考工具，最终诊断、治疗方案的决定权必须由执业医生掌握。
问题 2：这场 250 名三甲医生 PK 中国医疗 AI 的实验，用的是什么 AI 模型？
回答 2：这场引发中美医疗权威热议的人机对比实验，使用的是国产医疗垂直大模型未来医生 MedGPT，它专门面向胸外科、肿瘤方向做了医疗知识强化，和通用大模型存在明显区别。
问题 3：250 名三甲医生 PK 中国医疗 AI 的测试，医生拿到 AI 辅助之后有什么变化？
回答 3：在 250 名三甲医生 PK 中国医疗 AI 的测试里，医生搭配该医疗 AI 辅助之后，诊疗方案评分相比无辅助状态提升 24.1%，这也是中美医疗权威重点关注的价值，AI 可以帮助医生补齐信息、减少疏漏。
问题 4：中美医疗权威讨论这场 250 名三甲医生 PK 中国医疗 AI 实验，最担心什么风险？
回答 4：中美医疗权威讨论这场 250 名三甲医生 PK 中国医疗 AI 实验时，最担心医疗 AI 幻觉出错、方案不可解释、缺少真实世界长期验证，同时还有医疗事故责任划分、患者隐私数据安全这类落地难题。
问题 5：在这场对比里，海外大模型和这款中国医疗 AI 差距大吗？
回答 5：在本次肺癌疑难病例的评测条件下，这款中国医疗 AI 得分高于 GPT、Claude、Gemini 等海外通用大模型，这个结果也是中美医疗权威热议的重点，说明垂直医疗大模型路线有明显优势。
【参考资料】
[2026-11-12]（250 名三甲医生输给中国 AI！引发中美医疗权威热议）新智元
[2026-11-11]（当医疗 AI 开始参与医生最艰难的决定）晚点 LatePost
[2026-11-11]（当医疗 AI 开始参与医生最艰难的决定）腾讯新闻
[2026-07-15]（DeepSeek、千问、GPT、OpenAI、Claude，“AI 医生” 哪家强？）京报网
[2025-12-15]（Benchmarking large language models against clinicians across hospital levels）Scientific Reports
【免责声明】
本文内容为该医疗 AI 人机对照实验的行业资讯整理，仅针对本次固定病例盲评测试结果，不代表医疗 AI 可以直接用于临床诊疗。250 名三甲医生与中国医疗 AI 的对比属于学术研究场景，真实临床诊疗受大量复杂因素影响，任何 AI 生成的医疗方案都不能替代执业医师的诊断，不能直接作为患者就医、用药、手术的依据。医疗 AI 的落地使用还需要遵守国内医疗监管相关法规。
本文来自作者[星域调度使]投稿，不代表环球科技潮立场，如若转载，请注明出处：https://www.zennew.com/rgzn/202611/640.html
评论列表（4条）
我是环球科技潮的签约作者“星域调度使”！
希望本篇文章《250 名三甲医生 PK 中国医疗 AI，对比结果引发中美医疗权威热议》能对你有所帮助！
本站[环球科技潮]内容主要涵盖：科技,科技新闻,黑科技
本文概览：国内一项针对肺癌疑难病例的对照实验结果对外公开，来自全国 98 家三甲医院的 250 名胸外科、呼吸、肿瘤方向医生，和国产医疗大模型未来医生 MedGPT 开展盲评答题，在统一评分标准下，AI 给出的诊疗方案得分明显高于无辅助状态下的医生，该结论流出之后，迅速在中美医疗学术界、临床权威圈子里引发大范围讨论。这次测试选用的是 40 例没有对外公开的真实疑难肺癌病例，由 20 位多学科专家提前制定固定评分细则，包含 240 条判定规则，还有 40 条不能触碰的安全红线，保证打分标准统一、结果可复现。参与测试的 250 名三甲医生里面，六成以上是主任、副主任医师，属于临床经验丰富的高年资医生；无辅助答题时，医生平均分 53.4，而未来医生 MedGPT 平均分达到 85.29，一对一比对 750 份方案，AI 拿到优势的比例是 88:12。同时研究还设置了对照组别，医生在搭配这款 AI 辅助之后，整体得分相比无辅助状态提升 24.1%，另外和海外主流大模型横向对比，MedGPT 综合评分也高于 GPT、Claude、Gemini 几款通用模型。很多中美医疗专家都强调，这个实验不等于 AI 可以替代医生，它只是在固定病例、书面答题的场景下拿到更好成绩，核心价值是验证 AI 作为临床辅助工具的潜力，同时大家也在讨论医疗 AI 幻觉、监管落地、临床责任划分、数据安全等现实难题。