中国AI突破复杂肺癌诊疗！中美医疗圈集体坐不住了 – 量子位

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。
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。
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：
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。
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。
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。