88比12！在攻克癌症这件事上，垂类AI比国际主流通用大模型和人类医生都在行？

智东西（公众号：zhidxcom）
作者 |  王涵
编辑 |  漠影

攻克癌症一直是全球医学界最重大的命题之一，现在这一目标也被AI盯上了。

近期，生物医药公司Generate Biomedicines借助Claude Code重新设计CAR-T疗法中的细胞内信号结构域，尝试在缩短组件长度的同时提升免疫细胞活性。实验中，一项AI参与生成的设计将信号结构域缩短约70%，使细胞表面受体数量增加约10倍，并展现出更强的肿瘤细胞杀伤能力。

随着通用大模型的不断发展，其正逐渐从整理医学知识、辅助科研，走向疾病研究和临床诊疗。

但在医疗领域，面对真实复杂病例，医生需要综合患者的身体状况、既往治疗和最新医学证据，在多种可能的方案中做出判断。

这也是医疗AI真正面临的考验。

近日，未来医生与国内顶级三甲医院胸外科开展了一项复杂肺癌病例实验。未来医生医疗大模型MedGPT（以下简称：未来医生MedGPT）以88比12战胜了250名三甲医生。同时，未来医生MedGPT超越了业界顶尖的大模型如GPT、Claude、Gemini等。医生使用未来医生MedGPT辅助后，病例方案得分提升24.1%。

这项实验结果，也引发了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位一线临床权威的关注：

世界知名乳腺癌专家、美国宾夕法尼亚大学医学院医学博士、希望之城（City of Hope）乳腺肿瘤内科主任、美国临床肿瘤学会教育委员会前编委——Hope S. Rugo博士公开点赞未来医生：

“This research represents a truly remarkable advancement in oncology. I would be very interested in exploring potential opportunities for collaboration.（这项研究代表了肿瘤学领域一项真正非凡的进展。我非常希望探讨潜在的合作机会。）”

中国医学科学院肿瘤医院胸外科食管病区主任、中华医学会胸心血管外科学分会食管疾病学组长李印教授的反馈也十分积极：未来医生MedGPT正是我们一线临床医生迫切需要的医疗AI。

未来医生MedGPT俨然已经成为医疗圈公认的医疗AI代表。

真实临床决策场景中，医疗垂类AI与通用模型能力差在哪？垂类AGI与通用AGI，谁会率先抵达？答案或许正在这场实验中浮现。

一、通用大模型会答题，但对于复杂病例诊疗还不够

通用大模型拥有广泛的知识覆盖和较强的通用推理能力，能够帮助医生获取信息、整理病历、理解医学文献，甚至提出诊疗思路。

但临床决策需要更进一步。

以被称为“头号癌症杀手”的肺癌为例，其诊疗涉及胸外科、呼吸科、肿瘤科等多个专业科室。因患者千人千面，共病、身体条件限制、既往治疗史等因素的影响，所对应的诊疗手段也复杂多变。部分病例还会存在指南推荐不明确、研究证据不足或多因素相互冲突的情况。

如果只是从医学知识库中找到相关信息，再生成一段逻辑连贯的回答，仍然无法解决复杂病例的核心问题。真正的临床决策，需要把证据、患者状态、治疗路径和风险判断放在同一个框架中，逐一比较、反复验证。

这就对AI提出了新要求。

针对这些需求，未来医生MedGPT尝试将医学证据直接融入诊疗推理。其EvidenceOS将医学文献拆解为结构化临床证据单元（CEU），肺癌证据库已收录1.3余万篇文献、20余万条CEU及43余万条证据关系，其中98.3%的证据单元发表于2024—2026年。

在此基础上，未来医生MedGPT引入多专科智能体，分别提出诊疗意见，并同时生成基于指南和共识的标准路径，以及结合前沿研究的探索路径。

不同方案还需经过虚拟患者推演和五维对抗审查，从安全性、证据质量、风险及执行条件等方面进行比较、修正或淘汰，最终形成包含诊疗依据、备选方案和后续验证任务的完整建议。

二、未来医生MedGPT赢过通用模型，也赢过无辅助医生

当通用模型与医疗垂类模型面对同一批复杂病例、同一套临床评价标准，二者的差异究竟有多大？

未来医生联合国内顶级三甲医院开展的此次实验，围绕40例真实、未公开的复杂肺癌病例展开。这些病例没有统一诊疗答案，涉及指南推荐不明确、合并症、多因素决策等情况。

250名参与医生全部来自三甲医院，覆盖27个省份，涉及胸外科、呼吸科、肿瘤科等多个专业。其中，主任医师和副主任医师159人，占比63.6%。20位来自6个科室的资深专家在查看答案之前，针对40例病例制定了240条评价规则，其中40条为安全红线。

参与医生分别在无辅助、检索辅助和未来医生MedGPT辅助三种条件下各完成3个病例方案，最终形成2250份最终方案。未来医生MedGPT则独立完成全部40例病例。所有方案经过盲法评审，由3个AI裁判独立评分。

在模型横向对比测试中，未来医生MedGPT综合评分96.22，全面领先GPT-5.4 Direct、Claude Opus 4.7 Direct和Gemini 3.1 Pro Direct。

其差异主要体现在临床任务的组织方式上。

通用模型具备广泛的知识覆盖和较强的通用推理能力，但并非围绕临床诊疗决策构建。医疗垂类模型则将医学指南、权威文献、临床规则和专家经验纳入专门的知识与审核体系，更系统地组织证据、识别风险并比较治疗路径。

在人机比较维度，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，对250名参与医生的胜率达到88:12。

如果说AI独立完成病例方案的成绩展示了其能力上限，那么人机协作的结果，则更直接地回答了AI能否帮助医生。

实验中，医生无辅助条件下的平均得分为53.40，检索辅助后为61.05，使用未来医生MedGPT辅助后提升至66.27，相比无辅助状态提高24.1%。

这一结果说明，AI的价值并不局限于独立完成任务。从医疗实践来看，人机协同、AI增强医生，可能比单纯讨论AI是否能够替代医生更有意义。

本次实验PI、知名胸外科专家梁教授接受采访时曾说：“未来可能不是AI淘汰医生，而是AI淘汰不会使用AI的医生。”

患者和家属也已经开始使用豆包、阿福等工具获取医疗信息。医生需要能够专业地判断这些信息的可靠性与适用性，并对患者提出的问题作出解释。

AI可以提供信息、辅助推理，但最终诊疗判断依旧需要医生结合患者实际情况作出。

三、未来医生的目标：继绝学，开太平

未来医生脱胎于2014年成立的医联集团，是一家聚焦严肃诊疗领域的AI医疗科技公司。

未来医生创始人王仕锐率先提出医疗AGI概念，认为医疗AI的长期目标不仅是复制顶级医生的诊疗能力，还要进一步推动医学知识本身的更新与进化。

可以围绕两个理念展开：

“继绝学”：将顶尖医生的诊疗能力规模化复制。

在传统医疗体系中，高水平医生的时间和精力有限，复杂病例往往需要多学科专家共同参与。AI有机会将专家知识、医学证据和临床经验组织起来，让更多医生在面对复杂病情时获得支持，进而让更多患者获得高水平医疗服务。

“开太平”：推动医学知识本身的更新与进化。

医学指南和临床共识建立在已有研究证据之上，但医学进步也需要不断提出新问题、验证新假设。未来医生希望通过AI组织医学证据、比较不同治疗路径，并从真实临床反馈中发现值得进一步研究的问题。

从这一角度看，医疗AGI不仅是将顶级医生的能力复制给更多人，也可能推动医学知识更新。

围绕医疗AGI的目标，未来医生也在探索不同的实际落地场景。

专家二诊与多学科会诊（MDT）：AI完成病例整理、证据匹配和路径比较，由真人专家完成最终诊疗决策，帮助专家将更多精力放在关键临床判断上。

连续专病管理：AI辅助信息整理和风险识别，帮助医生动态复盘患者病情与治疗执行情况，让诊疗过程围绕患者持续展开。

医保与商业保险服务：探索诊疗路径优化、医疗质量提升与医疗资源合理配置，通过医学证据、诊疗方案和实际执行情况的分析，辅助识别不合理的诊疗路径。

这些场景的共同点，就是将AI从单纯的信息问答工具逐渐带入真实医疗流程。

结语：医疗AI的竞争正在从模型能力走向系统能力

OpenAI的联合创始人兼CEO Sam Altman曾在其个人博客《Abundant Intelligence》中提出了一个非常直接的设想：

“Maybe with 10 gigawatts of compute, AI can figure out how to cure cancer.”翻译过来就是“也许拥有10吉瓦算力，AI就能够找到治愈癌症的方法。”

这句话符合Scaling Law，更大规模的算力投入、更强的模型能力，可能为癌症研究带来新的突破。对于拥有庞大算力资源和基础模型研发能力的AI大厂而言，这无疑是重要优势。

但在复杂临床诊疗中，医学证据如何组织、不同治疗路径如何比较、潜在风险如何识别，以及诊疗建议如何适应患者的具体情况，都需要一套更贴近医疗场景的系统支撑。

未来医生MedGPT在此次复杂肺癌病例实验中，将医学证据组织起来，让不同诊疗路径接受比较和审查，并在发现错误或获得新信息后持续修正。

通用大模型的优势在于底层模型与算力，医疗垂类AI则需要在医学证据、临床规则和诊疗流程的系统协同中建立自己的优势。

模型能否给出一个好答案固然重要，但在真实医疗流程中形成闭环，才更接近医疗AGI。