“我最近喉咙像刀割一样痛，还伴随鼻塞，但没有咳嗽……这是染上流感，还是又中招了？”上面这个场景，已逐渐成为大众与AI互动的日常之一。但这背后隐藏的是医疗AI真实能力与临床期待之间的落差，北京协和医院胸外科主任医师梁乃新表示，虽然不时传出“AI在xx执业医师考试中拿下高分”的新闻，但现实并不尽如人意。为了解决这个评估落差，中国23家医院的临床专家共同制定了一套全球首个医疗AI临床适用性标准：CSEDB（Clinical Safety-Effectiveness Dual-Track Benchmark）。它不再用答题正确率来衡量AI，而是聚焦两个核心维度：- 安全性：比如有没有识别高风险药物相互作用、会不会忽视致命并发症、能否避免禁忌用药。- 有效性：诊断合不合理，方案有没有参考指南，是否充分考虑个体病史。整个评估体系共2069个真实临床推演问答，覆盖26个专科和30个核心指标。每一个错误根据临床风险被打分，最高5分代表“潜在致命后果”，把评分和病人结果直接挂钩。在这次严格的评估中，一个由中国团队打造的大模型MedGPT，以总分0.895位列第一，是唯一一个“安全性得分 > 有效性”的模型，击败了OpenAI的o3、Gemini-2.5、Claude-3.7等一众海外大厂。更有价值的是，这个模型不仅会“说得像医生”，还正在“像医生一样思考”。基于MedGPT的技术能力，背后团队推出了“未来医生”平台，核心理念是人机协作：医生可以把部分流程交给AI自动完成，AI则通过解释推理让医生随时介入，最终所有建议由医生签字审核。平台现已引入50多位中华医学会主委级专家参与服务和模型训练，高水平医生的知识、沟通和流程设计被AI结构化吸收，从而释放出规模化的经验。用团队的话说，是把医生变成拥有三头六臂的超人。而CSEDB这套标准也将全球开放，任何医疗AI团队都可以用它做测评优化，这是整个行业的一次基础设施升级。过去我们说大模型答题能力很强，但医生的世界不只考选择题。这次，标准与落地之间，终于有了一座桥，而构桥的是中国团队。
