一项由未来医生联合国内顶级三甲医院胸外科开展的多中心研究在11月12日引发中美医学界讨论。据新智元报道，在40例真实疑难肺癌病例的人机对评中，未来医生医疗大模型MedGPT以88比12的总比分胜出来自98家医疗机构的250名三甲医生。就在上个月，微软在《科学》杂志报告其AI诊断系统正确率83%，对照组全科医生仅36%。
考题从100例复杂肺癌病例中精选出40例指南没有标准答案的"灰区"难题，例如肺癌晚期合并间质性肺病、术后复发而基因检测结果未出。20位多学科顶级专家在看到任何答卷之前，先给每道题写好评分规则，每例6条共240条，其中40条是安全红线，踩线直接判负。参与对比的医生阵容六成以上是主任、副主任医师，覆盖胸外、呼吸、肿瘤三科。
成绩差距超出预期。无辅助条件下，医生群体平均得分53.26，MedGPT交出85.29；在750份诊疗方案的一对一比较中，MedGPT有660次拿到更高评分，且答卷平均比医生的短四成以上。与通用模型同题横评，MedGPT综合评分96.22，高于GPT-5.4的71.38、Claude Opus 4.7的61.81与Gemini 3.1 Pro的54.62。
消融实验解释了分数从哪里来。把整套流程拆掉、只让底层模型直接作答，成绩立刻跌去近24分；仅拿掉多学科会诊模块，就掉16分。系统把肺癌病种1.3万篇文献拆成超过20万条结构化证据单元，并设有一条硬约束，证据只能由程序从原文中抄出、模型只能引用不能自编，从结构上锁住幻觉。
研究还给出了人机协作的增量。医生在获得MedGPT辅助后，综合决策评分从53.4提升至66.27，相对提高24.1%；包括中华医学会主委级专家与美国顶尖肿瘤专家在内的近10位一线权威给出正面评价。对临床而言，这类系统的现实意义不在替代医生，而在把疑难病例的判断下限抬高，真正决定落地速度的是审批路径与责任划分，不是榜单分数。