一次正确的判断，能否成为更多人的机会？
文丨尹莉娜
一份医学指南可以被无数人同时查阅，一位好医生却不能同时为无数人看病。
医疗服务中，有一部分能力始终很难随着知识的传播而扩大。面对一个患者的复杂情况，医生需要判断哪些信息还不充分，哪些治疗值得尝试，哪些风险不能冒，以及什么时候应该换一条路。这些判断有指南和研究作为依据，也依赖医生多年积累的经验。近期，未来医生官方公众号 “医联 Medlinker” 公布的一项实验结果表明：AI 让复制这种经验有了新的可能。
2025 年 12 月，获得医疗伦理委员会批准后，国内一家顶级三甲医院的胸外科从过去两年 1.6 万多份门诊病例中，筛选出 40 例肺癌 “灰区病例”。它们是现有医学指南难以直接给出明确诊疗方案的复杂病例，往往涉及多病共存、治疗禁忌和不同方案之间的风险权衡，即便经过多学科会诊（MDT），医生仍可能面临难以取舍的治疗选择。
“这个方案我当时确实没有想到。” 据在场的技术人员回忆，这是本次实验 PI、知名胸外科专家梁教授看到未来医生医疗大模型 MedGPT（以下简称未来医生 MedGPT）生成的诊疗参考方案时的反应。
为了进一步评估未来医生 MedGPT 处理复杂病例的能力，以及它能否帮助医生，梁教授牵头，该院胸外科与未来医生共同开展了一项对照实验。
来自全国 98 家三甲医院的 250 名医生参与评测，在无辅助、有检索参考和有未来医生 MedGPT 辅助三种条件下，根据病例资料拟定诊疗方案。未来医生 MedGPT 也独立作答，所有方案按同一套规则评分。
研究团队公布的结果显示，医生在上述三种条件下的平均得分分别为 53.4、61.05 和 66.27。
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，AI 方案与医生方案的评分胜负比为 88∶12；获得未来医生 MedGPT 辅助后，医生的平均得分较无辅助条件提升 24.1%。
相比无辅助或仅参考检索资料，MCE(MedGPT Clinical Explorer) 辅助下的医生制定的诊疗策略总体得分更高，增益涵盖治疗备选路径、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，试图进一步了解这些数据背后的问题：专家经验怎样被 AI 学习和调用，又怎样成为更多医生用得上的助手？
医生的工作，不只是回答医学问题医疗一直是人工智能最受期待的应用领域之一。过去，AI 更多辅助医生完成影像识别、异常筛查等单项任务，医生仍需综合各项信息，作出诊疗判断。
大模型开始将病史、检查报告和医学文献放进同一个系统，让 AI 有机会参与更完整的诊疗过程。而在这些能力得到充分验证之前，患者已经先用起来：打开手机，就能获得一份关于自己病情的解释。
在医院的门诊和病房里，拿着手机里几个 AI 给出的不同结果来 “对答案” 的患者，梁教授见得不少。也有人用通用大模型查了症状，带着一个笃定的诊疗结论来质疑医生的方案。
自 2023 年以来，ChatGPT 及国内外多个大模型陆续公布医学测试结果，展现出回答医学问题、应对医学考试的能力。但在医生看来，“会答题” 并不等于 “有临床能力”。
“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。
面对没有唯一标准答案的复杂病例，医生需要综合病情、共病、治疗耐受性和患者目标，在不同路径之间作出选择。即便掌握了最新研究，也要考虑药物是否可及、家庭能否负担，以及患者是否适合接受这项治疗。
“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。这也是他愿意牵头这场实验的现实起点：看看 AI 能否在这些复杂权衡中，帮助医生作出判断？
要评估这种能力，研究团队首先需要回答：一份诊疗方案究竟怎样才算好，又由谁来判断？
研究团队邀请了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，制定了 240 条评价规则。
这些规则将复杂决策拆解成可以检验的要求：方案是否识别了关键临床问题，是否指出决策前需要补充的信息，是否考虑了不同治疗路径及其切换条件，是否守住安全边界，以及是否安排了后续复评和治疗管理。
参与对照实验的 250 名医生来自全国 98 家三甲医院，其中主任医师和副主任医师占比超过 63%。研究团队还将主流通用大模型纳入评测。在其提供的模型对比结果中，未来医生 MedGPT 综合得分为 96.22，GPT-5.4 Direct、Claude Opus 4.7 Direct 和 Gemini 3.1 Pro Direct 分别为 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说，这些结果高于团队内部预期。不过，他说团队的实验初衷不是比较 “AI 与人类医生谁更会看病”，而是看 “AI 怎样解决真实世界的医疗问题”。
此前医联及未来医生创始人王仕锐在我们的采访中说：“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，医联曾尝试通过不同方式扩大医生的服务能力。但在王仕锐看来，互联网提高了连接效率，却很难复制顶尖医生多年积累的临床经验。医生每天能看诊的患者数量有限，高质量的临床判断和诊疗决策能力，仍然是稀缺资源。
2023 年，医联作出 “All in AI” 的战略决策，提出构建医疗 AGI。采访中，公司多位负责人用 “继绝学、开太平” 概括这一愿景。在未来医生的语境里，“继绝学” 是希望 AI 学习已有的医疗经验，像顶尖医生一样提供标准化服务；“开太平” 则是希望 AI 进一步超越已有经验，为顶级专家也感到棘手的疾病提供新的治疗思路。
无论是学习已有经验，还是探索新的治疗思路，都需要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，团队就开展了上百人规模的实验，将诊疗过程拆分为问询、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，按准确性、专业性等统一标准对 AI 与真人医生评分。据公司当时公布的结果，真人医生和 AI 的综合得分分别为 7.5 和 7.2。
在孙武斌看来，未来医生 MedGPT 从当时的 1.0 版本升级到当前的 2.0 版本，评估的重点也从问询、解释、检查分析等单点任务，转向复杂病例的综合决策：AI 能否把分散的信息组织起来，识别风险，权衡不同路径，并在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的进步，给专业领域的 AI 公司带来了机会，也带来了一个持续存在的竞争问题：当基础模型已经能够阅读医学论文、解释检查结果，专业公司还需要提供什么？
公开的医学知识很难成为某一家公司的独有资产。同一份指南、同一篇研究，可以被不同的模型学习和调用。仅仅让模型掌握更多医学知识，未必足以形成持久的差异。专业公司需要进一步找到，那些难以从公开资料中直接获得、又会影响实际诊疗的能力。
这使医院和临床专家在研发中的角色发生了变化。他们不仅可以提供病例、评价模型的答案，也可能需要参与定义系统如何工作：面对信息不足的患者，先追问什么；出现相互冲突的证据，怎样取舍；一条治疗路径走不通，何时转向另一条。这些判断未必完整地写在病历中，却每天都在诊室里发生。
一位专家级医生作出专业判断，可能只需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，以及工作习惯、价值观等因素共同作用的结果。
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”。
在这几分钟里，医生需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，以及什么情况下应该改变治疗路径。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。
王仕锐说，未来医生正在尝试建立两套知识体系：一套来自临床指南、研究论文和药品说明书等公开医学资料；另一套来自专家个人的诊疗经验，包括研究成果、经验总结和诊疗记录。在他看来，后者尤其重要——指南难以覆盖复杂病例中的所有个体差异，专家的判断中，还包含大量尚未被标准化表达的经验。
未来医生希望将这些经验重新整理，转化为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把这个过程称为 “蒸馏”：与临床专家合作，将个人经验中的知识、判断标准和诊疗方法，转化为能够辅助医生决策的系统。
以复杂肺癌病例为例，一项治疗决策可能同时涉及手术、用药和放疗，也需要影像、病理等科室的判断。如果患者合并其他疾病，还要考虑更多专科的意见。
梁教授说，专家讨论这些灰区病例时，普遍认为现有信息不够完备。“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。”
孙武斌向我们解释了未来医生 MedGPT 遇到这类问题时，如何梳理信息、处理分歧并展开推演。
系统首先完成 “第零步”：判断是否需要多专科会诊，以及需要讨论哪些问题。未来医生 MedGPT 作为 “主管医生” 分析病案，必要时调用相关科室的 AI 角色，发起模拟的多专家会诊。参与模拟会诊的，是与真实专家共建的 AI 智能体。
接下来是第一步，“理解病例”。系统结合会诊意见，重新检视病例数据、检查报告、患者状态和病情变化，判断是否缺少关键信息，哪些检查或指标需要补充。同时，它需要明确患者的主要、次要治疗目标，以及不能触碰的安全 “红线”。
第二步是 “生成候选”。系统形成两类路径：标准路径（E-path）依据临床指南、共识和药品说明书，侧重遵循现有诊疗规范；前沿路径（F-path）则检索最新学术会议成果、随机对照试验、真实世界研究和在研新药资料，将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，并不意味着它可以直接成为患者的治疗建议。系统还会结合患者的具体情况，对候选路径进行虚拟推演，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。
最终交付的个体化诊疗方案报告，会列出建议路径和备选方案，说明切换方案需要补充哪些检查，以及各条路径的安全性和有效性依据。报告也会列出相关研究中的生存获益等数据，供医生比较不同方案的可能获益。
跑完这套流程、生成一份复杂肺癌灰区病例的完整决策报告，大约需要十多分钟。
但整个流程里最耗精力的，是 “内容输出的控制”。孙武斌估计，技术团队约 80% 的时间花在这上面：既要符合临床标准，也要让医生愿意读、能读懂。
例如，系统内部用 “E-path”“F-path”“V-path” 区分路径，但这些并非临床用语。团队在与专家沟通中发现，医生更希望报告直接回答具体问题：关键步骤是什么，需要注意哪些合并症和禁忌症，患者能否耐受治疗，基因突变有没有对应的新药。
后来，团队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组织报告。
篇幅也在反复调整。早期版本为了 “所有人都能看懂”，输出长达四五千字，医生觉得阅读负担太大；压缩之后，又发现缺少关键信息。非医生背景的用户则反馈，内容仍然难以理解。
AI 的职责范围同样需要反复校准。1.0 版本限制较多，2.0 版本逐步将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”。团队需要在两者之间持续调整。
在孙武斌看来，未来医生 MedGPT 进入医生实际工作，需要完成这样一层 “翻译”：把证据和路径转化为临床语言，让医生能够理解、审阅，再决定是否采用。如果医生无法判断一份报告，推理能力再强，也难以在临床中发挥作用。
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，正在成为大型科技公司与医疗研究者共同探索的方向。
Google 的医疗 AI 研究系统 AMIE，从诊断对话延伸至疾病管理，结合临床指南和药物信息处理治疗问题。微软则开发了模拟多位医生协作的诊断系统，让 AI 逐步获取信息、提出假设、选择检查并调整判断。研究者开始关注一次诊疗怎样推进，而不只是模型能否答对医学问题。
这些探索也面临共同的问题：怎样处理不完整的信息，比较不同治疗路径，与医生协作。围绕一个专科、一组复杂病例的实验，也可能为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，受到了一些美国临床专家的关注。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。有迈阿密地区知名前列腺癌放疗专家之称的 Mark Pomper 则认为，接下来需要与更多肿瘤科医生协作，让更多患者受益。
目前 AI 在整个生命医疗领域的探索，突破性进展几乎都发生在 “临床决策” 的上游：AlphaFold 解决了蛋白质结构预测，AlphaGenome 在基因组解码上前进了一步，AI 制药把新药发现的周期压缩了一截。
这些突破各自重要，但它们最终要惠及患者，都要经过同一个节点：一个具体的医生，面对一个具体的患者，做出一个具体的诊疗判断。这正是 AI 医疗当前最薄弱的一环。
对未来医生而言，这次实验仍是阶段性进展。王仕锐希望医疗 AGI 能进一步参与新医学知识的产生。他提出了一个具体的衡量标准：医疗 AGI 能否加速医学指南的更新。
研究者需要提出假设、设计临床试验、招募患者并跟踪疗效，获得结果后，相关证据还要经过评价和专家讨论，才能转化为诊疗推荐。
王仕锐希望，AI 不只能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，从而尝试将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背后的实现路径。如果 AI 能够持续参与医疗服务，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作出的判断，都可以被记录和整理。这些资料既能用于后续服务，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，医疗服务不再只是医学知识的应用场景，也会成为新知识的生产现场。新的临床现象可以被更早发现，新的治疗假设可以被提出，真实世界的数据则为后续验证提供依据。
这些设想仍需逐步验证。目前，这场复杂肺癌病例实验评估的是诊疗方案，而非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的作用。
医疗 AI 的价值，究竟在哪里？医疗有着持续而广泛的需求，却很难像软件一样扩大服务。一位医生增加接诊，需要付出更多时间；一家医院扩大服务，通常也需要增加人员、空间和设备。医疗 AI 让这部分工作的规模化有了新的想象。如果系统能够在更多病例中提供可靠的帮助，一次研发和持续维护的投入，就可能支持更多医生使用。
2026 年，医疗 AI 正在成为全球资本市场最受关注的赛道之一。
以医学证据检索和临床决策支持为核心的美国医疗 AI 企业 OpenEvidence，估值从年初的 120 亿美元攀升至年中的 150 亿美元。它的估值逻辑，并不来自模型参数规模，也不是因为它掌握了人类尚未发现的医学知识，而是因为它正在改变医生获取和使用医学知识的方式。
将医学文献数字化，让 AI 能够快速检索临床指南、研究论文和药品信息，再以更友好的方式呈现给医生，固然能够提高医生的工作效率，但距离解决真实世界的复杂医疗问题，还有很长的路要走。
搜索解决的是 “医学上已经知道什么”，临床决策需要回答的却是 “对于眼前这个患者，究竟应该怎么做”。
在王仕锐看来，如果说 OpenEvidence 验证了医学知识获取效率的商业价值，那么未来医生 MedGPT 所探索的，是另一种价值空间：高水平临床决策能力的规模化供给。
如果 AI 能够将顶级专家的临床判断能力转化为可复制、可验证、可持续迭代的系统，那么它所改变的，就不再只是医生的工作效率，而是整个医疗行业的供给方式。
更进一步，当 AI 能够持续参与患者从诊断、治疗到随访的全过程，其价值还可能从临床决策延伸至医疗结果本身。
对于患者，其潜在价值在于获得更合适的治疗方案、减少无效治疗，以及改善生存质量；对于医院，可能意味着优质医疗能力的扩展和诊疗效率的提升；对于医保和商业保险等支付方，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。由此，医疗 AI 的商业模式也可能发生变化。
企业未来的收费方式，可能从按用户数量、软件订阅或信息检索服务收费，延伸至按临床决策支持、医疗服务管理，乃至实际医疗效果收费。
当然，从一项复杂病例对照实验，到能够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，中间仍有很长的验证路径。
但这也让医疗 AI 的长期价值有了一个不同的衡量尺度。
一家医疗 AI 企业的价值，或许不应该只由它服务了多少医生、回答了多少医学问题来决定，也应取决于它能够创造多少高质量的临床决策，以及这些决策最终为多少患者带来了真实获益。
题图来源：《豪斯医生》
