未来医生MedGPT公布肺癌研究，协作评分提升24.1%

未来医生（MedGPT）团队公布了一项针对复杂肺癌临床决策的对照研究：在40例真实复杂病例、250名三甲医院医生参与的评测中，医生借助MedGPT后方案评分由53.4分提升至66.27分，相对提高24.1%。这项研究把医疗大模型的评价重点从"答案是否正确"推向"决策路径是否可审计"，也为CDSS与病历智能体的选型提供了可复用的评测框架。

发生了什么

2026年11月12日至13日，多家媒体报道了该研究结果。研究对应的论文预印本发布于arXiv（编号2609.29381，题名《An auditable conditional-strategy framework for open-ended decision-making in complex lung cancer》，v1于2026年9月24日提交，v2于2026年10月21日更新）。

评测设计上，研究选取40例真实复杂肺癌病例，招募250名来自98家医学中心的医生参与，覆盖27个省级行政区；由20位专家制定240条评价规则，其中包含40条安全红线规则。评测采用三类对照：医生独立作答、MedGPT独立作答、医生与MedGPT协作作答。

关键细节

• 在750份诊疗方案的成对比较中，MedGPT获得更高评分的次数为660次，占比88%（88:12）。

• MedGPT单模型综合评分96.22分；同一框架下对照模型GPT-5.4为71.38分、Claude Opus 4.7为61.81分、Gemini 3.1 Pro为54.62分。

• 人机协作环节，医生独立作答平均53.4分，参考MedGPT建议后提升至66.27分，相对提升24.1%。

• 消融实验显示：去掉流程化推理环节，综合评分下降24分；去掉多学科会诊模拟环节，下降16分。

• 支撑层为约800万条证据库，其中肺癌相关文献1.3万篇、结构化证据单元20万以上，按23类临床问题组织、约43万条关系链。

• 数据口径：上述评分均为研究团队公开口径，论文为预印本，尚未完成同行评议。

对行业意味着什么

第一，医疗大模型的竞争焦点正从"通用问答能力"转向"专科决策链条的可解释与可审计"，240条规则、40条安全红线的设计，实际上把临床路径与安全边界写进了评测标准。第二，人机协作的增益（相对提升24.1%）比模型单打独斗的分数更具落地价值，这为医院在CDSS、肿瘤多学科会诊辅助、病历质控等场景的采购论证提供了新的量化依据。第三，需要清醒看到：本次评测基于回顾性病例与专家评分，并非前瞻性临床终点研究，模型输出仍定位为辅助决策，不能替代医生的诊疗判断。下一步值得跟踪的是真实世界前瞻验证、与医院HIS/EMR的嵌入方式，以及监管层面对于生成式临床决策辅助工具的定位与准入要求。