专病AI的“临床准入”难题，京东健康与北大肿瘤医院给出了一个解法

*仅供医学专业人士阅读参考

近日，京东健康与北京大学肿瘤医院沈琳教授团队联合发布了一个很有分量的成果：消化道肿瘤内科诊疗评测集及模型成果v1.0。

这是国内首个面向消化道肿瘤内科的专病大模型评测集。评测集本身不治病。但它决定了一个AI模型有没有资格进入临床。这件事的分量，需要从医疗AI当下的真实困境说起。

AI跑分再高，也不敢用，问题出在哪？

过去两年，医疗大模型扎堆发布。各种评测榜单不断刷新，头部模型在标准化考试中的得分一路攀升。但一个尴尬的事实是：跑分高的模型，到了真实临床场景中，医生未必敢用。原因不复杂。现有评测集考的是“模型记住了多少医学知识”，而专科诊疗考验的是“模型能不能在具体病例上做出靠谱判断”。这两件事，差距很大。

有研究已经证实了这一点。顶级模型在MedQA考试中准确率超过80%，但换一种问法、换一个场景，据说94%的正确答案会失效。在HealthBench数据集中，顶级模型的失败率超过70%。换句话说，跑分高，不代表会看病。模型可能只是记住了答案，而不是真的会推理。

消化道肿瘤是这个问题最突出的领域。胃癌、食管癌、结直肠癌，病种复杂，诊疗路径长，指南更新快。一个患者的治疗方案，要结合影像、病理、基因检测、既往治疗史等多维信息。通用评测集根本考不出模型在真实决策场景中的水平。京东健康与沈琳教授团队做的这件事，就是来解决这个问题的。

沈琳教授是国内消化道肿瘤领域最具影响力的学科带头人之一，主导过百余项临床研究，成果改变国内外临床指南40多项。由她领衔制定评测标准，本质上是在为专病AI立一道门槛：模型能不能进消化道肿瘤内科，不是AI研究者说了算，而是临床专家说了算。

评测集的核心逻辑是“从临床中来，到临床中去”。题目来自真实临床决策点，标准对齐权威指南和专家共识，结果直接反映模型在真实诊疗中能不能用。

AI企业+顶级医院：为什么这次合作不一样？

评测集解决了“怎么衡量”的问题。但衡量之后，还有一个更难的坎：AI进了专科，为什么总是“水土不服”？

消化道肿瘤的诊疗决策，大量依赖专业判断。一线治疗选化疗还是免疫联合？靶向药怎么匹配基因分型？多线治疗失败后有没有临床试验可参与？这些问题没有标准答案，需要结合患者个体情况、最新循证证据和专家经验综合判断。

通用大模型在这些场景里容易走两个极端：要么给一堆笼统建议，要么自信地输出未经循证验证的方案。医生不敢用，患者更不敢信。

京东健康与沈琳教授团队的合作模式，提供了一条解决路径。关键不在于“AI公司出技术、医院出数据”这种常规操作。这次合作的核心是：临床专家深度参与模型能力的定义和验证。

评测集的题目和标准由临床团队主导设计。京东健康旗下MedWork医生AI工作台的功能围绕临床工作流展开。专病大模型通过京东互联网医院搭建的北肿消化内科专家智能体矩阵触达患者。临床团队在整个链条中始终处于主导地位，AI的角色是承接和放大临床能力，不是替代临床判断。

这种模式跟以往有所不同。过去常见的是AI企业主导、医院配合。这次把临床话语权放在了第一位。沈琳教授团队的权威性保证了评测标准的严谨性，京东健康的技术和平台能力保证了标准可以被规模化推广应用。

评测集+MedWork+互联网医院：一条完整的落地链条

评测集建立标准，MedWork承接场景，互联网医院放大可及性。三者串起来，构成了一条从“定义什么是好”到“让好被用上”的完整链条。

这里需要再说说MedWork的价值。它是京东健康推出的医生AI工作台，定位于“医疗场景的OpenClaw”——将AI能力深入医生日常工作的真实场景，帮助医生处理复杂的医疗及科研任务。当前产品已覆盖3D影像分析、MDT会诊、全流程科研等场景，让AI不只是回答医生的问题，更能理解医疗任务、提高工作处理效率。简单说，就是把医生从繁琐的事务性工作中解放出来，把精力留给临床判断本身。

基于此，MedWork就是完整链条中间那个关键环节，它能根据临床循证智能化生成门诊病历草稿、完成病例影像阅片梳理、查看临床医药证据、筹备会诊、辅助科研等重复性工作。在消化道肿瘤场景中，MedWork把评测集验证过的模型能力嵌入医生工作流：诊前辅助预问诊，诊中辅助决策与MDT会诊，诊后支撑智能随访。它的AI-MDT功能可以帮医生梳理病程、检查和治疗经过，提升多学科协作效率。

底层支撑来自京医千询3.0。原生3D影像理解让AI能像医生一样调整窗宽窗位、对比时序影像；MedCode代码执行模式把临床指南转化为可执行、可校验的代码，每一条结论都能溯源。这些能力跟消化道肿瘤的诊疗需求高度匹配——影像阅片、病程梳理、循证查证，恰恰是这个专科最耗时也最依赖经验的环节。

链条的末端通向患者。通过京东互联网医院搭建的北肿消化内科专家智能体矩阵，患者可以随时随地获得专业、精准的问诊咨询与病情解读服务。对偏远地区患者来说，这意味着不必进京奔波，也能获得接近北肿专家水平的病情解读。

这条链条的行业价值在于：它提供了一种可复制的专病AI落地范式。

京东健康此前与广州医科大学附属第一医院共建呼吸专科大模型，发布了国内首个通过权威4级评估的呼吸医学高质量数据资源。从呼吸到消化道，京东健康正在沿着“高质量数据—高质量评测—高质量应用”的路径，在多个专科验证同一套方法论。

医疗AI的竞争，正在从“谁的模型更强”转向“谁的标准更被认可”。模型能力可以通过参数和跑分体现，但标准能力需要临床权威背书、真实场景验证和行业共识。

京东健康与沈琳教授团队的合作，本质上是在为专病AI建一套基础设施：可衡量、可信任、可落地、可复制。这套基础设施的价值，不会在今天完全释放，但它决定了未来专科AI能走多远。

*此文仅用于向医疗卫生专业人士提供科学信息，不代表平台立场。