众力资讯网

88:12震撼实验!攻克癌症,垂类AI为何跑赢通用大模型?

人类和癌症的较量,已经持续了几十年。过去我们依靠新药、手术、放疗一点点向前推进,而现在,AI正在换一种方式加入这场漫长的攻坚。一边是海外团队用AI重新改造CAR-T疗法,让免疫细胞杀伤肿瘤的能力再上一个台阶;另一边国内一项肺癌临床实验出圈,医疗垂类大模型在复杂病例的比拼里,交出了亮眼的答卷。

很多人第一反应是:AI是不是快要取代医生了?但看完这场实验和一线医生的真实反馈会发现,医疗AI的战场,从来不是简单的“人机对决”。真正的分水岭,在于AI能不能看懂真实病例里的各种矛盾、风险,给医生一套靠谱、可落地的诊疗思路。

一、通用大模型会“背书”,却啃不动复杂病例

现在几乎人人都用过通用大模型查健康问题,它能快速整理文献、罗列指南要点,把零散的医学知识梳理成通顺的文字。不少医生日常也会拿它来整理病历、查找文献摘要,节省不少基础工作时间。

但临床看病,远比做题难。拿肺癌来说,它被称作头号癌症杀手,牵扯胸外科、肿瘤科、呼吸科好几个科室。同一个分型的肺癌,放在两个病人身上,结局可能完全不一样:有人年纪大、有心脏病、肺功能差;有人之前做过多次治疗,已经耐药;还有不少病例,现有的指南写得模棱两可,没有标准答案。这类病例,行业里叫“灰区病例”,也是最考验医生水平的地方。

这种时候,只把知识库里面的文字拼凑出来,没有太大意义。医生要做的,是把患者年龄、基础病、既往治疗、药物副作用、最新研究证据全部揉在一起,权衡不同方案的收益和风险,选出最合适的一条路。

通用大模型的短板,恰恰在这里。它擅长“回答问题”,却缺少一套专门服务临床决策的审核体系。未来医生MedGPT的思路,就是搭建一套叫EvidenceOS的证据系统,把海量医学文献拆成一个个结构化的临床证据单元。单单肺癌方向,就沉淀了一万三千多篇文献、二十多万条证据单元,而且绝大多数都是近两年更新的前沿研究。

推理的时候,它会派出多个专科智能体分别给出方案,同时拿出两条路线:一条是稳妥的指南标准方案,一条是基于前沿论文的探索方案。所有方案还要经过虚拟推演、多维度对抗审查,从安全性、证据强弱、风险高低层层筛选,最后给到医生一份带着依据、备选方案和后续观察计划的完整建议,而不是一段笼统的文字。

二、88:12的实验,输赢不在“打败医生”

最近引发业内热议的这场实验,考卷是40例从未公开的真实复杂肺癌灰区病例,一共250名来自三甲医院的医生参与,覆盖全国27个省份,六成以上是主任医师、副主任医师。为了保证公平,20位资深专家提前定下240条评分规则,其中40条是不能触碰的安全红线,所有答卷匿名盲审,AI裁判独立打分,避免主观偏向。

最后的结果很有冲击力:单独对比方案,MedGPT和无辅助医生的对局胜率是88比12,综合得分也超过了GPT、Claude、Gemini这些国际主流通用大模型。

但比起AI单独答题的成绩,人机协作的数据其实更有价值。医生不靠任何工具时平均得分53.4;自己上网检索文献之后,提升到61.05;接入MedGPT辅助之后,分数涨到66.27,提升幅度24.1%。也就是说,AI不是来抢岗位的,而是一块放大医生能力的工具。

本次实验的负责人梁教授那句“未来淘汰的不是医生,是不会用AI的医生”,在医疗圈传开。其实道理很简单:现在越来越多患者自己上网,用各类AI工具搜索病情、找治疗方案,之后拿着五花八门的信息来问医生。医生需要更快分辨这些信息靠不靠谱,解释利弊,而垂类AI正好可以帮医生提前梳理证据、排查风险。

当然,AI再强,也不能替人拍板。最终要不要手术、选哪种化疗方案,依旧要医生当面看患者状态、沟通之后才能决定。AI是参谋,不是主治医生。

三、医疗AGI:既要复制顶尖医术,也要推动医学往前走

很多人把医疗AI等同于问诊机器人,但是未来医生创始人王仕锐提出的医疗AGI,目标要更远。他用了两句很有分量的话概括:继绝学,开太平。

所谓“继绝学”,解决的是优质医疗资源不均衡的老难题。国内顶尖专家的时间有限,偏远地区、基层医院的医生,遇到复杂疑难病例时,很难随时组织一场多学科会诊。AI可以把专家的判断逻辑、权威指南、临床经验打包起来,变成随时可用的辅助工具,让基层医生也能拿到高水平的参考方案,间接让更多患者受益。

而“开太平”,指向医学本身的进化。医学指南永远滞后于最新研究,很多新疗法、新靶点,都藏在海量论文里。AI可以持续比对不同治疗方案的真实效果,从临床反馈里找出那些现有指南解释不了的现象,给科研人员提出新的研究方向,反过来推动医学知识更新。

目前这套体系已经落地到几个场景:专家远程二诊、多学科MDT会诊,AI先做完病例整理和证据比对,专家专注做核心判断;长期慢病、专病随访,AI持续监测风险变化;还有面向医保和商保的路径优化,用来识别不合理诊疗,优化资源分配。

四、医疗AI的竞争,已经从拼算力转向拼系统

OpenAI的Altman曾经说过一句话:或许足够庞大的算力,就能帮人类找到治愈癌症的办法。这句话很符合很多人对AI的想象:堆算力、做大模型,难题自然迎刃而解。通用大模型厂商手里握着算力和底层模型,天然有优势。

但临床医疗,是容错率极低的领域。能不能答对一道题,和能不能安全走完一整套诊疗流程,完全是两码事。通用模型的强项是知识面广、推理灵活;垂类医疗AI的核心壁垒,是一套闭环系统:证据怎么结构化、方案怎么互相校验、风险怎么拦截、新的临床数据怎么回流迭代。

海外那边,GenerateBiomedicines借助ClaudeCode改造CAR-T信号结构域,把组件缩短七成,细胞表面受体数量提升十倍,在实验室里展现出更强的杀瘤能力,正在推进动物实验。这是AI在药物研发端的突破;而国内这场肺癌实验,是AI在临床决策端交出的实证。两条路线,都是AI抗癌的重要方向。

AI不会一夜之间攻克癌症,也不会在短时间里取代临床医生。它正在悄悄改变两件事:一是让顶尖的诊疗思路可以被复制、被普及;二是帮医生从繁重的文献检索、证据梳理里解放出来,把精力留给患者本身。

算力很重要,但对于医疗来说,证据、安全、临床闭环,才是决定AI能不能真正走进病房的关键。接下来的竞争,不再是单纯比拼模型参数,而是比拼谁能搭建一套贴合真实诊疗流程、持续迭代、足够可靠的医疗系统。

这场和癌症的持久战,AI不是孤军奋战的主角,而是医生手里一件全新的、越来越好用的武器。