一次判断做对了，能不能变成更多人的机会？

医学指南谁都能翻，好医生却没法同时给无数人看病。

看病这件事里，有些本事一直很难跟着知识一起铺开。碰上情况复杂的患者，医生得弄清楚手上还缺哪些信息、哪些治疗值得试、哪些风险碰不得、什么时候该换条路走。这些判断有指南和研究撑着，也靠医生多年攒下的经验。最近，未来医生官方公众号“医联 Medlinker”公布了一项实验，结果显示：要把这种经验复制出去，AI 带来了新的可能。

2025 年 12 月，拿到医疗伦理委员会批准之后，国内一家顶级三甲医院的胸外科从过去两年 1.6 万多份门诊病例里挑出 40 例肺癌“灰区病例”。这类病例现有的医学指南很难直接给出明确诊疗方案，常常牵扯多病共存、治疗禁忌，以及不同方案之间的风险权衡，就算做了多学科会诊（MDT），医生仍可能碰上不好取舍的治疗选择。

现场一位技术人员事后回忆，知名胸外科专家、本次实验 PI 梁教授在看到未来医生医疗大模型 MedGPT（下称未来医生 MedGPT）给出的诊疗参考方案时，脱口而出的第一句话是：“这个方案我当时确实没有想到。”

为进一步评估未来医生 MedGPT 处理复杂病例的水平，以及它能不能帮到医生，梁教授牵头，该院胸外科和未来医生一起做了这项对照实验。

评测由全国 98 家三甲医院的 250 名医生参与，他们要在三种条件下根据病例资料拟定诊疗方案：无辅助、有检索参考、有未来医生 MedGPT 辅助。未来医生 MedGPT 也单独作答，全部方案按同一套规则打分。

研究团队公布的结果是：医生在三种条件下的平均得分依次为 53.4、61.05 和 66.27。

拿医生在无辅助条件下交出的 750 份诊疗方案来比，未来医生 MedGPT 有 660 次评分更高，AI 方案与医生方案的胜负比为 88∶12；有了未来医生 MedGPT 辅助，医生的平均得分比无辅助时高出 24.1%。

跟无辅助、或者只参考检索资料相比，医生在 MCE(MedGPT Clinical Explorer) 辅助下制定的诊疗策略总体得分都更高，增益覆盖治疗备选路径、关键信息、安全风险和后续评估。

我们采访了实验研究团队的多位成员，想弄明白这些数据背后的问题：专家经验怎么被 AI 学到、调出来，又怎么变成更多医生用得上的帮手？

医生干的活，不只是回答医学问题

医疗始终是人工智能最被看好的落地领域之一。以前 AI 更多是帮医生做影像识别、异常筛查这类单项任务，各项信息还得医生自己综合起来，再下诊疗判断。

大模型开始把病史、检查报告和医学文献装进同一个系统，AI 这才有机会参与更完整的诊疗过程。不过在这些能力被充分验证之前，患者已经先用上了：打开手机，就能拿到一份关于自己病情的解释。

门诊和病房里，拿着手机里几个 AI 给出的不同结果来“对答案”的患者，梁教授见过不少。还有人用通用大模型查了症状，揣着一个笃定的诊疗结论来质疑医生的方案。

从 2023 年起，ChatGPT 和国内外多个大模型陆续公布医学测试成绩，显示出回答医学问题、应付医学考试的能力。可在这位医生眼里，“会答题”跟“有临床能力”不是一回事。

“真实的病人不会完全按照指南和教科书的标准发病，每一位患者都存在独特的个体化差异。”梁教授告诉我们。

碰上没有唯一标准答案的复杂病例，医生要把病情、共病、治疗耐受性和患者目标放在一起考虑，在不同路径间作选择。就算掌握了最新研究，也得想药物能不能拿到、家庭负担不负担得起，以及患者适不适合做这项治疗。

“一项医疗方案哪怕疗效再好，如果安全性无法保障，也是不可取的。”梁教授说。他愿意牵头这场实验，现实起点也在这里：看看 AI 能不能在这些复杂权衡里帮医生作出判断？

要评估这种能力，研究团队先得回答一个问题：一份诊疗方案到底怎样才算好，又该由谁来判断？

研究团队请来国内多家顶级三甲医院 6 个科室的 20 位高级职称专家，以 40 例灰区病例为样本，定下 240 条评价规则。

这些规则把复杂决策拆成一条条能检验的要求：方案有没有识别出关键临床问题，有没有点明决策前还得补哪些信息，有没有考虑不同治疗路径以及切换条件，有没有守住安全边界，有没有安排后续复评和治疗管理。

参加对照实验的 250 名医生来自全国 98 家三甲医院，主任医师和副主任医师合计占比超过 63%。研究团队还把主流通用大模型拉进评测。其给出的模型对比结果中，未来医生 MedGPT 综合得分 96.22，GPT-5.4 Direct、Claude Opus 4.7 Direct 和 Gemini 3.1 Pro Direct 分别是 71.38、61.81 和 54.62。

在本研究的病例和评分条件下，完整 MCE(MedGPT Clinical Explorer) 生成的诊疗策略内容评分，高于三种通用大模型对照。

未来医生技术负责人孙武斌表示，团队内部此前对这些结果的预期并没有这么高。不过他强调，实验的出发点并非去比“AI 和人类医生谁更会看病”，而是想弄清楚“AI 怎样解决真实世界的医疗问题”。

医联及未来医生创始人王仕锐在此前我们的采访中提到：“医疗真正的卡点是供给，不是连接。”

从医生社区、互联网医院，到线下医疗机构和慢病管理，医联试过不少路子来扩大医生的服务能力。可王仕锐认为，互联网提升的是连接效率，顶尖医生多年攒下的临床经验却很难被复制。一位医生每天能接诊的患者就那么多，高质量的临床判断和诊疗决策能力，依旧是稀缺资源。

2023 年，医联定下 “All in AI” 的战略，提出要构建医疗 AGI。采访中，公司多位负责人用 “继绝学、开太平” 来概括这个愿景。放到未来医生的语境里，“继绝学” 指的是让 AI 学会已有的医疗经验，像顶尖医生那样提供标准化服务；“开太平” 则更进一步，希望 AI 超越已有经验，为顶级专家也头疼的疾病找出新的治疗思路。

但无论是学已有经验，还是探新治疗思路，前提都是先进入医生的实际工作，在使用中验证效果、积累反馈。

2023 年未来医生 MedGPT 刚问世时，团队就做过上百人规模的实验：把诊疗过程拆成问询、诊断、治疗建议等 6 个环节，覆盖多个科室的常见病。北京阜外医院等三甲医院的 7 位主任专家，按照准确性、专业性等统一标准，给 AI 和真人医生打分。公司当时公布的结果显示，真人医生综合得分 7.5，AI 为 7.2。

孙武斌看来，未来医生 MedGPT 从 1.0 版本升级到现在的 2.0 版本，评估重点也变了：过去看的是问询、解释、检查分析这些单点任务，如今转向复杂病例的综合决策——AI 能不能把散落的信息组织起来，识别风险，权衡不同路径，并在出现新证据或患者情况变化时调整决策。

“蒸馏” 最好的医生，创造一套可执行的系统

通用大模型在进步，这对专业领域的 AI 公司既是机会，也是一个绕不开的竞争问题：基础模型已经能读医学论文、解释检查结果了，专业公司还能提供什么？

公开的医学知识，很难成为哪一家公司的独有资产。同一份指南、同一篇研究，不同的模型都能学、都能调用。只让模型多掌握些医学知识，未必能形成持久的差异。专业公司得继续往下找——那些难以从公开资料里直接拿到、又会影响实际诊疗的能力。

医院和临床专家在研发中的角色，因此有了变化。他们不光提供病例、给模型的答案打分，还可能要参与定义系统怎么工作：面对信息不足的患者，先追问什么；证据互相冲突时，怎么取舍；一条治疗路径走不通，什么时候换另一条。这些判断未必完整写在病历里，却每天都在诊室里发生。

一位专家级医生作出专业判断，可能只要几分钟或十几分钟，背后却是数十年积累的临床经验、专业知识，再加上工作习惯、价值观等因素一起作用的结果。

王仕锐曾向《晚点 LatePost》形容，顶级专家最核心的价值在于 “决策的几分钟”。

就在这几分钟里，医生要判断哪些信息值得关注、哪些风险不能忽略，如何取舍相互矛盾的证据，以及什么情况下该改变治疗路径。这些选择背后，是多年积累的专业知识、临床经验和判断习惯。

要让 AI 学会这种判断，远不只是把医生看过的病例、读过的指南喂给模型。

在王仕锐的设想里，未来医生要搭起两套知识体系。一套取自公开医学资料，涵盖临床指南、研究论文、药品说明书等；另一套则来自专家本人的诊疗经验，包括其研究成果、经验总结和诊疗记录。他认为后一套尤其关键：复杂病例的个体差异，指南往往覆盖不全；而专家的判断中，还藏着大量尚未被标准化的经验。

未来医生希望把这些经验重新整理，转化成可供系统调用的知识单元。医联集团副总裁、未来医生产研负责人廉泽良管这个过程叫 “蒸馏”：与临床专家合作，把个人经验中的知识、判断标准和诊疗方法，转化为能够辅助医生决策的系统。

以复杂

梁教授说，专家们讨论这些灰区病例时，普遍觉得现有信息不够完备。“有专家提到，信息不完整，就很难开展后续规范诊疗，而这正是真实临床世界的常态和挑战。”

这类问题落到未来医生 MedGPT 身上，信息怎么梳理、分歧怎么处理、推演怎么展开？孙武斌向我们做了说明。

系统先完成 “第零步”：判断要不要多专科会诊，以及需要讨论哪些问题。未来医生 MedGPT 以 “主管医生” 的身份分析病案，必要时调用相关科室的 AI 角色，发起一场模拟的多专家会诊。参加模拟会诊的，是与真实专家共建的 AI 智能体。

随后进入第一步“理解病例”。系统要结合会诊意见，把病例数据、检查报告、患者状态与病情变化重新过一遍，看关键信息有没有缺口、哪些检查或指标还得补。与此同时，患者的主要治疗目标和次要治疗目标也要厘清，安全上的“红线”同样得划明白。

第二步叫“生成候选”。系统会给出两类路径。标准路径（E-path）以临床指南、共识和药品说明书为依据，重在遵循现有诊疗规范；前沿路径（F-path）则去检索最新学术会议成果、随机对照试验、真实世界研究以及在研新药资料，把新的研究进展纳入候选方案。

孙武斌说，前沿路径背后的逻辑是 “以前治不了的，现在有新研究，这条路可能走得通”。

第三步是 “检验闭环”。找到一项新研究，并不意味着它就能直接变成患者的治疗建议。系统还会结合患者的具体情况，对候选路径做虚拟推演，排查风险和证据缺口，再明确需要通过基因检测等检查验证的条件，形成后续验证路径（V-path），供临床进一步判断。

最终生成的个体化诊疗方案报告，会给出推荐路径与备选方案，并写明切换方案前还需补做哪些检查，以及每条路径的安全性与有效性依据。相关研究中的生存获益等数据也会一并列出，方便医生横向比较不同方案可能带来的收益。

这样一整套流程走完，为一名复杂肺癌灰区病例产出完整决策报告，耗时大概十多分钟。

不过整套流程中最费精力的环节，是“内容输出的控制”。孙武斌估算，技术团队约 80% 的时间都投在了这里：报告既要符合临床标准，又得让医生愿意读、读得懂。

系统内部用“E-path”“F-path”“V-path”来区分路径，可这些并不是临床用语。团队跟专家沟通时发现，医生更希望报告直接回答具体问题：关键步骤有哪些，要留意哪些合并症和禁忌症，患者能不能耐受治疗，基因突变有没有对应的新药。

后来团队换了做法：不再向未参与项目的医生反复解释内部术语，而是围绕这些临床问题来组织报告。

篇幅也经历了一轮轮调整。早期版本追求“所有人都能看懂”，结果输出长达四五千字，医生觉得阅读负担太重；压缩之后，又发现关键信息缺失。非医生背景的用户则反馈，内容还是难以理解。

AI 的职责边界同样要反复校准。1.0 版本限制较多，2.0 版本逐步把部分动态决策能力交给 AI，但“给多了它会失败，给少了通用性和外推能力又不够”。团队得在两者之间持续拿捏。

孙武斌认为，未来医生 MedGPT 要真正进入医生的实际工作，必须完成一层“翻译”：把证据和路径转成临床语言，让医生看得懂、能审阅，再决定用不用。一份报告如果医生判断不了，推理能力再强，在临床上也派不上用场。

从学习专家经验，到参与医学知识的产生

让 AI 参与诊疗判断，正成为大型科技公司与医疗研究者共同摸索的方向。

Google 的医疗 AI 研究系统 AMIE，已从诊断对话延伸到疾病管理，能结合临床指南和药物信息来处理治疗问题。微软则开发了模拟多位医生协作的诊断系统，让 AI 一步步获取信息、提出假设、选择检查并调整判断。研究者的关注点开始转向一次诊疗如何推进，而不只是模型能不能答对医学题。

这些探索面临的问题也相似：不完整的信息怎么处理，不同治疗路径怎么比较，怎样与医生协作。围绕一个专科、一组复杂病例所做的实验，或许也能给研究相似问题的团队提供新的观察。

在社交平台 X 上，未来医生与国内顶级三甲医院开展的这项复杂肺癌实验，引起了一些美国临床专家的注意。希望之城（City of Hope）乳腺肿瘤内科主任 Hope S. Rugo 博士公开表达了探索合作的意向。被称为迈阿密地区知名前列腺癌放疗专家的 Mark Pomper 则表示，接下来需要与更多肿瘤科医生协作，让更多患者受益。

放眼整个生命医疗领域，AI 目前的突破性进展几乎都集中在“临床决策”的上游：AlphaFold 解决了蛋白质结构预测，AlphaGenome 在基因组解码上往前迈了一步，AI 制药则把新药发现周期压缩了一截。

这些突破各有分量，但真要惠及患者，都得经过同一个节点：一位具体的医生，面对一位具体的患者，做出一个具体的诊疗判断。而这恰恰是眼下 AI 医疗最薄弱的一环。

对未来医生来说，这次实验仍只是阶段性进展。王仕锐希望医疗 AGI 能更进一步，参与新医学知识的产生。他给出了一个具体的衡量标准：医疗 AGI 能否加快医学指南的更新。

按常规流程，研究者要先提出假设、设计临床试验、招募患者并跟踪疗效，拿到结果后，相关证据还得经过评价和专家讨论，才能转化为诊疗推荐。

王仕锐的设想是，AI 不只会调用人类已经积累的医学知识，还能参与提出研究假设、组织患者入组、收集治疗数据和分析疗效，从而尝试把部分疾病的临床研究与知识更新周期压缩到三至六个月。

廉泽良进一步解释了这一设想怎么落地。只要 AI 能持续参与医疗服务，患者从初诊、检查、治疗到康复随访的全病程数据，以及医生在不同阶段做出的判断，都能被记录、整理下来。这些资料既可用于后续服务，也可能成为临床研究的基础。

“这样医生在服务患者的过程当中，本身就是在做临床研究的过程。”廉泽良说。在他设想的体系里，医疗服务不只是医学知识的应用场景，也会变成新知识的生产现场：新的临床现象能更早被发现，新的治疗假设能被提出，真实世界的数据则为后续验证提供依据。

这些设想还需逐步验证。目前这场复杂肺癌病例实验评估的是诊疗方案，而不是方案实施后的患者结局。孙武斌在采访中透露，未来医生接下来即将推进未来医生 MedGPT 的多中心实验。团队还计划开展真实世界的前瞻性研究，跟踪诊疗路径实施后的患者状况，检验系统在实际诊疗中能起什么作用。

医疗 AI 的价值，究竟在哪里？

医疗的需求持续而广泛，却很难像软件那样扩大服务规模。一位医生要多接诊，就得多花时间；一家医院要扩大服务，通常也得增加人员、空间和设备。医疗 AI 让这部分工作的规模化有了新的想象空间：系统如果能在更多病例中提供可靠帮助，一次研发加上持续维护的投入，就可能支撑更多医生使用。

2026 年，医疗 AI 正在成为全球资本市场最受关注的赛道之一。

美国医疗AI公司OpenEvidence主打医学证据检索与临床决策支持，估值从年初的120亿美元涨到年中的150亿美元。撑起这一估值的，不是模型参数有多大，也不是它掌握了什么人类还没发现的医学知识，而是医生获取和使用医学知识的方式正在被它改变。

把医学文献数字化，让AI能快速翻查临床指南、研究论文和药品信息，再用更好用的方式送到医生面前，这确实能提升医生的工作效率。不过，离解决真实世界里的复杂医疗问题，路还长着。

搜索回答的是“医学上已经知道什么”，临床决策要回答的却是“眼前这个患者，到底该怎么做”。

在王仕锐看来，OpenEvidence验证的是医学知识获取效率能卖出什么价钱；未来医生MedGPT要探索的，是另一块价值空间——让高水平的临床决策能力实现规模化供给。

假如AI能把顶级专家的临床判断能力变成一套可复制、可验证、还能持续迭代的系统，那它改变的就不只是医生的工作效率，而是整个医疗行业的供给方式。

再往前一步，当AI能持续参与患者从诊断、治疗到随访的全过程，它的价值还可能从临床决策延伸到医疗结果本身。

对患者来说，潜在的价值是拿到更合适的治疗方案、少做无效治疗、生存质量得到改善；对医院来说，可能意味着优质医疗能力可以扩展、诊疗效率能够提升；对医保和商业保险等支付方来说，则有机会在改善医疗质量的同时，减少不必要的检查、治疗和医疗支出。医疗AI的商业模式，也可能因此发生变化。

企业未来怎么收费，或许会从按用户数量、软件订阅或信息检索服务收费，延伸到按临床决策支持、医疗服务管理，甚至按实际医疗效果收费。

当然，从一项复杂病例对照实验，走到能在真实世界中持续改善患者结局、并最终获得医疗支付方认可，中间还有很长的验证路径要走。

但这也让医疗AI的长期价值，多了一个不一样的衡量尺度。

一家医疗AI企业值多少钱，或许不该只看它服务了多少医生、回答了多少医学问题，还要看它能创造多少高质量的临床决策，以及这些决策最终让多少患者真正获益。

题图来源：《豪斯医生》