攻入「全球第一大癌」，征服250名三甲医生！万亿AI医疗赛道，变天了

过去十年，AI在医疗领域的突破始终集中在上游：AlphaFold重构蛋白质结构预测，AI制药持续压缩新药研发周期，通用大模型纷纷通关执业医师考试。

但所有技术价值最终要落到患者身上，都必须穿过同一道关卡——临床诊疗决策。

这恰恰是医疗行业最核心、也最复杂的环节，直接决定每年超9万亿医疗费用的流向，也卡住了医疗AI从“叙事”走向“变现”的最后一公里。

近日，未来医生与国内顶级三甲医院胸外科团队联合发布的肺癌复杂病例诊疗实验结果，第一次让行业看到了明确的拐点：在没有标准答案的肺癌灰区病例上，未来医生医疗大模型MedGPT（以下简称：未来医生MedGPT）以88比12战胜了250名三甲医生。

这不是又一场“人机对战”的噱头，而是国内医疗AI首次在复杂临床决策场景拿出经得住尽调级审视的实证结果。当AI开始参与医疗体系中最核心的决策环节，整个万亿级医疗服务与支付市场的底层逻辑，都将随之发生改变。

88比12：跨过临床决策的硬核门槛

医疗AI不缺高分，但缺“临床级”的高分。

过去行业验证AI能力，大多停留在标准化考试与经典病例诊断——这些场景都有唯一正确答案，本质考的是AI的知识记忆能力。

但真实临床的核心难题，恰恰是大量没有标准答案的“灰度病例”：患者合并多种基础病，诊疗路径存在多个合理选项，指南覆盖不到，专家意见也常有分歧。

本次研究构建的100例复杂肺癌语料库中，74%的病例指南推荐不明确，63%因多因素交织无法直接套用标准路径，47%存在严重的共病或治疗约束冲突。

为了让评分客观可信，实验设置了双重硬约束：20位来自顶尖三甲医院六大科室的资深主任医师，在接触任何作答前，先为其中40个此前从未公开的核心病例制定评价规则，共形成240条规则，其中40条为安全红线；所有作答由AI裁判盲态独立评审，全程隐藏来源，从机制上杜绝“倒推评分”。

参与对照的250名医生全部来自三甲医院，其中主任医师、副主任医师占比63.6%，覆盖全国27个省级地区、98个医学中心，胸外科、呼吸科、肿瘤科三大核心科室悉数在列。

最终结果清晰呈现了三个维度的结论：

人机对战：在与医生无辅助条件下提交的750份方案的比较中，未来医生MedGPT有660次得分更高，以88比12战胜医生，且输出篇幅比医生作答短四成以上，核心优势在于路径、证据、风险、验证的组织更清晰；

人机协作：在未来医生MedGPT辅助下，医生总体得分从53.40提升至66.27，增幅达24.1%，不同年资医生均有明显提升，其中主任医师组增幅更是达到28.8%；

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

模型横向对比：同样40例灰区病例，未来医生MedGPT综合得分96.22，大幅领先GPT-5.4（71.38）、Claude Opus 4.7（61.81）与Gemini 3.1 Pro（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

实验公布后，中美临床一线专家给出了高度一致的判断。

国内包括中国医学科学院肿瘤医院胸外科食管病区主任李印、山东省肿瘤医院乳腺病中心主任王永胜、四川大学华西医院胸外科学科带头人陈龙奇在内的多位中华医学会主委级专家均认可其临床实用价值，认为这正是一线医生迫切需要的医疗AI；

美国UCSF Health 肿瘤外科主任 Robert Warren、美国 "希望之城" 国家医疗中心乳腺肿瘤内科主任 Hope S. Rugo、有迈阿密地区最顶尖的前列腺癌放疗专家之称的Mark Pomper、加州大学旧金山分校血液肿瘤科荣誉主任 Marc Shuman 等顶尖专家也同步发声，肯定研究的行业价值与落地潜力。

对产业而言，这组数据的意义远不止“AI赢了医生”，它证明的是医疗AI已经跨过复杂临床决策的门槛，具备了进入真实诊疗场景的能力基础。

临床决策：万亿医疗市场的核心胜负手

为什么一次肺癌实验值得整个产业关注？因为临床决策是整个医疗服务链条的价值中枢，也是支付的核心锚点。

根据官方数据，2025年中国卫生总费用已达9.34万亿元，基本医保基金支出3.01万亿元，2024年商业健康险保费收入9773亿元，医保加商保的年度支付规模超3.4万亿元。

而每一笔医疗费用的发生，都始于临床医生的诊疗决策：用什么药、做什么检查、采取哪种治疗方案，直接决定了医疗资源的配置效率与费用高低。

肿瘤是其中负担最重的细分领域。2024 年中国新发癌症515.06万例，以年度活跃肿瘤患者规模与年均全链条支出测算，国内肿瘤相关年度诊疗支出中枢约7500亿元，覆盖检查、手术、药物、放化疗、康复等全环节。

在这样的万亿级市场里，临床决策的价值体现在两端：一端是医疗质量，让复杂病例也能获得规范、完整的诊疗方案；另一端是费用效率，减少不必要的检查、不合理的用药与治疗，降低整体医疗支出。

海外市场早已验证了这条路径的商业价值。美银美林研报指出，临床决策支持是AI在医疗领域的战略增长点。

美国的成熟模式是管理式医疗：2025 年联邦医疗保险优势计划（Medicare Advantage）支付规模约5340亿美元，覆盖3490万人，平台通过优化诊疗决策实现控费，并从结余中分成。

支撑这套模式的医疗AI 企业也已拿到资本市场的定价：以医学证据检索和临床决策支持为核心的AI代表企业OpenEvidence，估值从年初的120亿美元攀升至年中的150亿美元，其估值逻辑并非基于参数规模，而是由它在临床链条中的位置、以及可验证的付费价值决定。

回到国内市场，过去医疗AI 的商业化始终不温不火，核心原因就是能力停留在 “辅助诊断、知识检索” 等外围环节，没有切入决策核心，也就难以撬动支付端。

而当 AI 能够稳定输出高质量的复杂诊疗决策，真正对接医保、商保的控费需求，整个赛道的商业化天花板就被彻底打开了。

壁垒形成：垂类模型拉开估值差距

实验中近25分的模型得分差，背后是通用大模型与垂类医疗 AI 的本质分野，也是估值分化的开始。

通用大模型的优势是知识广度与算力，但在复杂临床决策场景存在三块天然短板：证据可追溯性不足、专科意见容易被强行抹平、缺少诊疗建议的适用边界说明。而这些恰恰是临床决策的核心要求。

未来医生MedGPT的解法，是构建了一套“证据打底、多科推演、对抗校验”的决策体系：

底层是结构化证据底座，将1.3万余篇肺癌领域指南、RCT、真实世界研究拆解为20万余条证据单元，每条只承载一个临床结论并标注适用边界，98.3%的证据发表于2024至2026年；证据由程序直接从原文提取，模型只能引用不能生成，从根源压制幻觉。

中间层是多学科推演与审查，系统组织最多6个专科智能体分别输出意见，保留分歧不强行统一，同步生成标准路径、前沿路径与验证任务；候选方案代入虚拟患者推演后，再经安全、风险、证据、执行性、临床价值五个维度的对抗式审查，多轮收敛后才交付最终方案。

这套体系真正的壁垒，从来不是代码与算力，而是真实世界的复杂病例库、愿意前置制定规则的专家网络、以及持续验证模型的临床基础设施——这三样都无法通过采购快速获得，也是垂类医疗AI最深的护城河。

对一级市场而言，这意味着医疗AI的估值逻辑正在发生根本变化：过去赛道按“大模型+医疗”的通用逻辑定价，比拼的是参数、融资额、故事性；未来将转向“临床实证+付费落地”的产业逻辑，谁先拿出可验证的决策能力、谁先对接支付端，谁就能获得估值溢价。

若参考美国市场的成熟路径，以国内医保加商保3.42万亿元年度支出为基数，假设其中5%-15%的医疗费用纳入精细化决策管理，按2%管理服务费加5%控费分成测算，对应年收入空间可达42.75亿至141.08亿元。

从“继绝学”到“开太平” 一条难而正确的道路

如果说88:12的比分证明了技术能力，24.1%的提升则证明了落地价值。而这项能力的普及，最终会重构整个医疗行业的能力边界。

未来医生创始人、CEO王仕锐曾用 “继绝学” 与 “开太平” 概括医疗 AI 的长期价值。

“继绝学” 是当下正在发生的事：把顶级专家的诊疗决策路径与质控标准沉淀下来，规模化复制给更多医生。

医疗行业长期困在 “优质、便宜、可及” 的不可能三角中，顶级专家的时间是最稀缺的资源，区域间、医院间的诊疗水平差异是全球性难题。

AI 的普及，意味着地市级医院的医生也能获得接近顶级专家的决策辅助，优质医疗资源的可及性将被大幅提升。

目前未来医生已经将这套能力在具体场景落地：在专家二诊与多学科会诊服务中，AI先完成病历解读、证据匹配与路径梳理，再由主委级专家团队研判修改，72小时内交付决策报告；同时公司已与多家保险机构合作，覆盖理赔承接、总包控费等场景，将决策质量与保险赔付直接挂钩。

“开太平”则指向更长远的产业变革：医疗AI不只是复现已有答案，更会参与创造新的医学知识。

传统临床医学知识完成一次体系性更新通常需要3-5年，而医疗AGI有机会深入患者入组、数据收集、假设验证的全过程，将知识迭代周期压缩到季度级甚至更快。

被改变的不只是某个诊疗环节，而是医学知识本身的生产方式。

当然，从实验验证到全面落地仍有很长的路要走。多中心临床验证能否复现结论、模型能否深度接入真实临床工作流、医疗AI 的付费机制如何建立，都是行业接下来要回答的问题。

正如本次实验PI、知名胸外科专家梁教授所言，医疗AI前期的知识沉淀与后续迭代由谁买单，国内至今没有明确答案。

但无可否认的是，行业的核心问题已经变了：过去争论的是“AI能不能帮到临床”，现在要回答的是“它何时进入真实场景、以什么身份落地、由怎样的机制付费”。

这场肺癌实验不是终点，而是一个开始。当AI真正切入最复杂的诊疗决策，万亿医疗服务市场的重构，才刚刚拉开序幕。