深入临床的医疗 AI：寻回“被漏掉”的病人，撬动海量医疗服务市场

今年夏天，知名经济学家高善文离世后，一份病情自述流传于社会之间。

在这份自述里，他用冷静的笔调复盘了自己的求医过程：反复检查、结论摇摆，时间在一次次误诊中流逝，前后长达数月；即便最终明确了方向，但面对不治之症，现有的医疗水平，也未能拿出好的治疗方案。

一个不缺钱、认知顶尖的人，按理说应该最擅长看病——能调动最好的资源、获取最前沿的信息、做出最理性的决策，但在面对复杂疑难疾病时，他仍然没能躲开。

这并非医生的主观疏忽。真实临床中，最棘手的恰恰是这样的病人：经历多次误诊、指南没有定论、治疗方案彼此冲突，下一步究竟怎么走，连资深专家都要反复权衡。这些患者，本身是当今医学无法满足的“被漏掉”的病人。

这也勾勒出医学本身的两道边界：如何让最好的医疗能力被复制，减少误诊的发生；如何让疑难重症的诊疗水平更快提高。

人工智能是否能帮医生跨过这道边界？

很长一段时间里，人们找不到肯定的答案。大模型高分通过执业医师考试、在医学问答中对答如流的新闻并不新鲜。但“会答题”和“会看病”，从来不是一回事。之前，医疗AI更多发力于健康科普领域，真正的临床决策，它们无力介入。

AI医疗科技公司未来医生，选择了更难走的那条路，它聚焦严肃诊疗，致力用人工智能，让医生在关键节点获得更完整的病例信息与证据支持，让患者得到清晰的后续行动建议和持续管理。

近期，未来医生联合国内顶级三甲医院胸外科，共同开展了国内首次以百人级三甲医院医师群体为对照、针对“头号癌症杀手”肺癌的大规模AI实证研究。其自研的未来医生医疗大模型MedGPT（以下简称：未来医生MedGPT），在与250名三甲医院医生的较量中，取得了88：12的比分。

这意味着，医疗AI第一次真正进入了医生最核心、也最困难的能力领域——复杂临床决策，并且展现出了超越医生的能力。

在未来医生创始人、CEO王仕锐那里，那两大边界问题有了更具体的回答。他借张载的横渠四句，把这份事业定义为“继绝学”与“开太平”。“继绝学”，即通过AI标准化复制顶尖医生的诊疗能力；“开太平”，即让AI在未来超越人类医生的既定水平，为顶级专家也难以攻克的病症提供突破性的治疗方案。

而这两大边界背后，是一个体量庞大、长期受制于供给的医疗服务市场。顶尖医生和高水平判断始终稀缺，服务难以随医学知识一起复制；一旦 AI 能够把临床决策能力转化为可复制、可验证、可持续迭代的系统，稀缺的医疗能力就有了规模化供给的可能。到那时，它撬动的或许不只是一次诊断、一份方案，而是整个医疗服务的组织方式。

而这背后，正是一个以万亿计的海量市场。

医疗AI的“AlphaGo 时刻”

2017 年，浙江乌镇，AlphaGo三番棋3:0完胜柯洁。彼时多数人抱着看热闹的心态，只当它是一桩科技新闻。

九年后的今天，AI 已深度嵌入普通人的工作与生活。当年那个“AlphaGo时刻”，成了新技术改写世界的最好注脚。

九年后，同样的剧情在医疗圈重演，这一次，被攻克的不是一盘复杂棋局，而是 40 个没有标准答案的真实肺癌复杂病例。

近期，AI医疗科技公司未来医生联合国内顶级三甲医院胸外科，共同开展了国内首次以百人级三甲医院医师群体为对照、以“头号癌症杀手”肺癌为研究对象的大规模AI实证研究。

实验说起来并不复杂，一方是未来医生MedGPT、GPT-5.4、Claude Opus 4.7、Gemini 3.1 Pro等大模型产品。站在 AI 对面的，则是 250 名来自全国98家三甲医院的医生，其中主任、副主任医师超6成，横跨胸外科、呼吸科、肿瘤科三个与肺癌最相关的科室。

双方围绕40例由国内顶级三甲医院提供的、来自真实临床的复杂病例，进行诊疗决策。这些病例不是考卷上的标准问题——多数病例指南推荐不明确，有的共病冲突，有的多种因素交织，翻遍指南与文献，也找不到一个可以照抄的答案，十分考验医生的医疗决策能力。

为了不让评分沦为“各说各话”，实验邀请 20 位来自顶尖三甲医院的资深主任医师担任评审，他们共同制定了 240 条病例级评价规则，其中 40 条是安全红线，触线即判负。

实验中，每位参与医生要完成 9 个病例：在无辅助、检索参考、AI 辅助三种条件下各做 3 例，每种条件下各生成 750 份最终策略文本，总计 2250 份。未来医生MedGPT与另外几款通用大模型则独立完成全部 40 个病例，接受同一套标准的检验。

结果出人意料。

在人机比较中，与医生无辅助条件下提交的 750 份方案逐一对照，未来医生MedGPT有 660 次获得更高评分，相当于以 88 比 12，战胜250 名三甲医生。同时，在这一维度上，未来医生MedGPT独立完成 40 例的总体得分是85.29分，远高于医生的53.26分。

在人机协作中，未来医生MedGPT辅助下的医生总体得分从 53.40 分提升到 66.27 分，增幅 24.1%；与之相比，仅靠检索参考的医生，得分是 61.05 分。

图示：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

而在与通用模型的比较中，未来医生MedGPT也展现出其专业性，综合评分高达96.22分，全面领先GPT-5.4的71.38、Claude Opus 4.7的61.81和Gemini 3.1 Pro的54.62。

图示：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，也高于删减功能或简化协作流程的版本

结果公布后，引起医疗圈的关注。

中国医学科学院肿瘤医院胸外科食管病区主任李印教授表示，“这正是一线临床医生迫切需要的医疗AI”；四川大学华西医院胸外科学科带头人陈龙奇教授也认为，未来医生MedGPT“对临床医生很有用”；山东省肿瘤医院乳腺病中心主任王永胜教授表示，未来医生MedGPT是能够给肿瘤临床医生带来巨大帮助的医疗Al。

这一结果也传到了大洋彼岸。

世界知名乳腺癌专家、希望之城（City of Hope）乳腺肿瘤内科主任 Hope S. Rugo期待能与未来医生MedGPT进行合作，她认为，这是肿瘤学领域真正非凡的进展；迈阿密射波刀中心医疗总监Mark Pomper 表示，AI正在变革癌症治疗，他建议未来医生MedGPT与更多肿瘤医生协作，并扩大规模以服务更多患者；美国顶尖医学中心UCSF Health 肿瘤外科主任Robert Warren 也认为，这是一项重要研究。

其实，这并不是未来医生MedGPT第一次证明自己的实力。2023年，在一场针对真实病例的华西双盲测试中，未来医生MedGPT 与10位主治医师的诊断一致性达到 96%，幻觉率低于千分之一。

之后的2025 年，未来医生牵头32位来自北京协和医院、解放军总医院等机构的顶尖专家，制定全球首个评估医疗AI临床适用性的“临床安全—有效性双轨基准”（CSEDB），相关成果发表于 Nature 旗下期刊《npj Digital Medicine》。

当年AlphaGo落子之前，围棋曾被视为机器无法逾越的高地；而在本次实验之前，复杂临床决策也一直被看作AI最难以攻破的禁区。如今，未来医生MedGPT在这道禁区上，落下了自己的棋子。

一个属于医疗AI的“AlphaGo时刻”，就此定格。

从“会答题”到“敢决策”，AI要真正进入临床？

其实，对DeepMind而言，他们并不在意围棋市场。在与柯洁对战结束后，其团队宣布AlphaGo将不再参加围棋比赛。他们只是想证明，人工智能完全可以在某一高精尖领域达到领先水平。说白了，AlphaGo只是投石问路之作。

但DeepMind的成功让未来医生创始人CEO王仕锐意识到，这一结论在医疗领域同样成立，通过 AI 的加持，医生或许可以超越现有水平。

这意味着，未来医生想要的，不是一个更会回答医学问题的大模型，而是能够进入真实临床、理解复杂患者、支持医生完成高水平临床决策的智能系统。

过去几年，医疗 AI 并不少见，但它们大多停在同一处：能通过考试，能回答问题，能进行科普，却难以真正走进诊室。这些“AI健康管家”，终极目标是引流，与医疗一线有着巨大的鸿沟。

未来医生却选择了截然不同的发展方向，即专注于“严肃诊疗”，聚焦“医疗决策价值”，其终局在于给出精准的诊断建议和最佳治疗方案。未来医生希望医疗AGI能进入具体临床场景，能够处理路径选择、风险、未知信息、治疗条件和动态变化，并最终接受真实临床标准的验证。

此次实验正是基于此方向而设计。未来医生选择的不是标准化医学考试题，而是真实、复杂、没有唯一答案的肺癌临床灰区病例。其意义在于，医疗AI正在跨过复杂决策的分水岭，进入新的阶段：医疗AI第一次真正进入了医生最核心、也最困难的能力领域——复杂临床决策，并且展现出了超越医生的能力。

这也意味着，未来医生正在把“医疗AGI”从一个未来概念，推进为一套可以被临床测试和验证的技术能力。

医疗AGI时刻正在到来。

医生也不必担心，医疗AI会取代自己的角色。严肃诊疗的责任机制要求，临床决策必须由医生最终做出。未来医生也认为，AI不会替代医生，而是会重新定义医生的能力边界：当AI已经具备足够强的临床决策能力，它可以进一步放大医生，让更多医生获得过去只有少数顶级专家才能拥有的能力。

这一判断，在本次实验PI、知名胸外科专家梁教授那里，有着更具体的表达：“不学习 AI 的医生一定会被淘汰。不是AI淘汰医生，而是淘汰不会使用 AI 的医生”

在梁教授看来，医生如果不会用AI，要么无法解答患者的疑问，要么做不到用专业认知去对标、制衡AI的信息。“临床上经常出现，病人拿着AI给出的答复过来咨询，我们觉得 AI 的答案不一定准确，但换一个AI查询，答案又不一样。很多病人往往是被AI的结论说服，而不是被医生的专业理论说服。”

“大家不要神化AI，但也绝对不能忽略AI。”在梁教授看来，只有褪去AI的神话滤镜，才能看清它的真正价值，它是临床工作中一个非常强悍的辅助帮手，“我们要把AI当成一种增强工具、赋能工具，而不是让它替代医生。”

“AI 应用的核心，是在各类诊疗变量之间寻找最优解。”在梁教授心目中，理想形态是建立患者、医生、AI三者协同作战、共同决策的全新诊疗闭环。

从实验室走向诊室：医疗AI能撬动多大市场？

一场百人级对照实验，回答的是 AI 能不能做复杂临床决策；而从实验室走向诊室，这套能力能为当下医学带来哪些变化，还要看它落地成了哪些真实服务。

在王仕锐看来，未来医生MedGPT所探索的，是高水平临床决策能力的规模化供给。

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。这导致高水平临床决策能力天然稀缺，也是专家价值的最终体现。

复杂病例的判断、治疗方案的取舍、院外的长期随访，这些环节高度依赖医生的时间和经验，天然难以规模化。未来医生围绕患者的重大决策、治疗康复和长期管理，把服务拆成了三类。

首先是面向肿瘤等重大疾病和复杂疑难场景的专家二诊与多学科会诊（MDT）服务，由MedGPT先完成全病历智能解读，把影像、病理、检验和治疗史结构化，明确患者要解决的问题，再匹配指南与研究证据；之后由合作专家库内 50 余位主委级、上千位三甲专家多学科联合研判，真人医生掌握最终决策权。

其次，这些重大疾病的治疗，并不以出院为终点，连续专病管理亦是重要一环。MedGPT还提供连续专病管理服务，AI 辅助信息整理和风险识别，主管医生及相关学科团队动态复盘病情变化与治疗执行情况，按需调整方案，形成阶段总结和下一阶段计划，异常情况及时升级处理。

同时，未来医生还面向医保部门、医疗机构与商业保险机构，组合提供专家问诊、二诊与 MDT、专病持续管理和慢病管理，探索诊疗路径优化、医疗质量提升与资源合理配置。

技术突破最终要回到产业层面被检验。医疗AI撬动的，究竟是多大的一块市场？

首先从大盘来看，数据显示，2024年国内基本医保基金支出 2.9764万亿元，商业健康险保费接近万亿元，其中赔付4052亿元。医疗本身就是万亿级行业，AI 切入的空间建立在这个大盘之上。

如果从未来医生MedGPT价值体现最突出的肿瘤领域来看。按情景模型测算，肿瘤活跃患者 800万–1200万人、年均全链条支出5万–10万元，肿瘤患者每年全链条支出约 4000 亿–1.2 万亿元，中枢为7500 亿元覆盖检查检测、手术、药物、放化疗、辅助治疗与随访康复。

单就医学知识检索和部分临床决策辅助这些功能，海外资本市场已经为此定出了高价。美国医疗 AI 企业 OpenEvidence，估值从年初 120 亿美元升至年中 150 亿美元。

像未来医生MedGPT这样，从一份决策报告到院外长期管理，再到支付方的控费与风险减量，医疗 AI 的收费方式未来也可能从软件订阅、信息检索，延伸到临床决策支持、医疗服务管理，乃至实际医疗效果。价值的想象空间只会更大。只是从复杂病例对照实验，到在真实世界持续改善患者结局、获得支付方认可，中间还有一段验证路径要走。

“被漏掉”的病人

再说回高善文，他的遗憾或许可以拆成两层：一层源于医生之间专业特长的差异，同一病例在不同科室手里得出不同判断；另一层则受限于当下的医学边界，即便诊断明确，也未必有好的治疗方案。

这恰好指向两个更大的问题——如何让最好的医疗能力被复制，如何让疑难重症的诊疗水平更快提高。前者关乎当下，后者关乎未来。

在王仕锐看来，未来医生正是在回答这两大问题。他引用北宋著名思想家张载的横渠四句将这两大问题分别定义为“继绝学”与“开太平”。“继绝学”是即通过AI标准化复制顶尖医生的诊疗能力；“开太平”即让AI在未来超越人类医生的既定水平，为顶级专家也难以攻克的病症提供突破性的治疗方案。二者叠加，构成了医疗AGI真正的意义。

现阶段，未来医生的战略首先落在“继绝学”上。

一个真实病例可以说明这种能力。一名7岁女孩脚痛数月，母亲带她多方求医无果，机缘巧合下通过未来医生APP提交病历后，儿科、骨科、风湿免疫科专家智能体完成MDT会诊，最终得到北京协和医院风湿免疫科主任医师赵岩教授给出的诊断建议：需排除幼年特发性关节炎。

家属带着孩子到院要求检查时，接诊医生一度惊讶“你们怎么想到查这个”，而最终结果证实了这一判断。

同样需要这种能力的，还有数量庞大的罕见病患者。《2020中国罕见病综合社会调研》显示，72.97%的患者有被误诊经历，平均确诊时长4.3年，确诊前平均辗转2.97家医院。

问题背后是医疗行业解不开的“不可能三角”：“优质、便宜、可及”难以兼得，优质资源集中于大城市大医院，高水平医生稀缺且分布不均，靠人力培养缩小差距，周期漫长。

过去十年来，国家一直力推分级诊疗，希望构建基层首诊、上下联动的有序格局，以解决医疗资源分布不均衡、大医院人满为患的痼疾。AI出现后，分级诊疗多了一个新的抓手，基层医生欠缺的经验与判断，可以由人工智能补足。2025年11月，国家卫健委等多部门联合发布《关于促进和规范“人工智能+医疗卫生”应用发展的实施意见》，明确到 2030 年基层诊疗智能辅助应用基本实现全覆盖。

梁教授也认为，在大医院，AI可以让专科医生如虎添翼，但更重要的应用场景是在基层社区，通过AI去强化全科医生、家庭医生的能力，为上级大医院筛选专科病例，而不是让患者直接涌向大医院的专家诊室。

从这个角度看，未来医生或许有望弥补基层能力不足，化解医疗资源分布不均的难题。

在“继绝学”之外，王仕锐更期待的是下一阶段的“开太平”，探寻医疗AGI的终极形态。

过去，医学进步高度依赖专家经验、病例观察与临床试验，一项指南更新从提出假设、招募患者、真实世界研究到最终验证，往往需要 3 到 5 年。医疗AGI则有望让AI深度参与信息收集、假设提出、患者入组、随访与数据分析，把数年一次的知识更新推入季度级节奏。

届时，AI改变的就不只是一个诊疗环节，而是医学知识的生产方式本身。对于未来医生而言，这才是医疗AI真正的星辰大海。