网易首页 > 网易号 > 正文 申请入驻

1034道题考22个医疗大模型:答对健康问答不算数,能在电子病历里做对操作才算

0
分享至



11月18日,一个有点较真的平台上线了。它叫InclusionMed,全球首个医疗健康AI独立评测与分析平台,由斯坦福大学、哈佛大学、北京协和医学院、蚂蚁集团等29家机构的研究人员一起搭起来。它干的事说白了就一件:给市面上那些宣称自己懂医疗的大模型,统一出一张卷子。在此之前,各家的评测各说各话,单项测试成绩漂亮,却很难回答一个要命的问题,到底能不能用在真实的诊室里。

健康问答答得漂亮,跟会看病是两回事

先把这个痛点讲清楚。你在聊天框里问一个AI头疼该吃什么药,它可能答得头头是道。但把它放进医院的系统里,让它从一份写满缩写的电子病历里找出关键线索,或者在医疗管理流程里连续操作好几步,成绩可能就塌了。这两件事看着像,其实对模型的要求完全不一样。

InclusionMed的Atlas图谱,就是专门来拆这层东西的。它用了两个维度做交叉。一个是面向谁,分成患者与公众、医疗专业人员、医疗管理人员三类角色。另一个是考察什么能力,分成知识、推理、任务执行三类。两边一交叉,形成一个九宫格。每一项评测基准按主要内容被放进对应的格子里,谁被考过、谁还没被考,一张图就能看清。

这个设计的好处是,它不再用一个总分把模型糊成一团。你可以看到某个模型在患者科普这一格表现不错,在临床推理那一格却明显吃力。对医院或者开发者来说,这种颗粒度比一个笼统的排名有用得多。选模型这件事,本来就该对着具体场景来。

1034道题、22个模型,这把尺子怎么刻出来的

光有框架不够,关键看题。首期评测聚焦临床诊疗和医疗管理两个方向,纳入5项基准、1034项任务,横向比较了国内外11家厂商的22个模型。这些成绩汇总起来,就是首期推出的InclusionMed Index指数。

这里有个细节值得留意。研究团队没有把所有基准一股脑塞进去,而是做了独立复测,综合医疗相关性、评测可信度、场景互补性这些因素筛了一遍,最后选出4项公开基准。再加上团队自己建的一项,叫InclusionMed-DxFiles。这项自建基准的题源很硬,全部来自顶级医学期刊上刊载的疑难病例,考的是模型能不能顺着零散的病例线索,一步步推出临床判断。

为什么要自己下场建题?因为现成的公开基准容易被针对性优化,模型厂商刷分刷久了,分数就失真了。自己按疑难病例出题,且不做提前公开,考出来的东西更接近真实水平。这套做法在通用大模型评测里已经是常规操作,如今被搬到了医疗领域。这块短板补上之后,医疗AI的水平才有了可比的基线。

做医疗信息化的朋友,你们选模型时最看重哪一类任务,病历理解还是临床推理?评论区说说,我看看这份榜单的侧重点对不对路。



29家机构凑在一起,图的是什么

看看这份共建名单就能明白这件事的分量。国外有斯坦福大学、哈佛大学、宾夕法尼亚大学、康奈尔大学、哥伦比亚大学、卡内基梅隆大学、牛津大学、新加坡国立大学。国内有北京协和医学院、北京大学、复旦大学、上海交通大学、浙江大学、厦门大学、深圳大学、中国人民大学,还有中国科学院、上海人工智能实验室、中关村学院等机构,蚂蚁集团也在其中。29家凑到一起,被业内称作医疗健康领域的Artificial Analysis。

这么多机构愿意一起做,图的是一个中立的第三方位置。医疗AI要真正落地,绕不开一个信任问题,医院不敢拿一个自吹自擂的分数去用在病人身上。有人把评测做成公共基础设施,各家在同一把尺子下比,结果才有公信力。

项目组也没打算停在首期。接下来他们准备围绕复杂治疗选择里的医患共同决策、资源约束下的诊疗调度这些场景,开发新的评测任务。换句话说,这张卷子会一直加题,考的地方会越来越接近真实的临床现场。对普通患者来说,这意味着将来选一个医疗AI助手,可能有据可依,而不是全凭宣传。

你会愿意参考这种第三方榜单来选医疗AI吗?信得过的选1,还是更信医生的判断选2,评论区打个数字。我赌大部分人还是先问医生,但这个榜单迟早会进到决策流程里。

【参考来源】腾讯新闻 | 医疗健康领域的AA榜单来了综合评测平台InclusionMed正式上线 | 2026-11-18

【参考来源】爱范儿 | 早报医疗AI评测平台InclusionMed上线首期比较22个模型 | 2026-11-19

声明:个人原创,仅供参考

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
比亚迪甩出第三张王炸:折叠方向盘根本不是装酷!友商这次怎么接

比亚迪甩出第三张王炸:折叠方向盘根本不是装酷!友商这次怎么接

娱乐圈的笔娱君
2026-11-20 08:42:31
悉尼·斯威尼内衣品牌销量翻倍,第三季度创纪录

悉尼·斯威尼内衣品牌销量翻倍,第三季度创纪录

影视情报室
2026-11-20 05:44:13
殷桃 成熟的水蜜桃 女人味溢出屏幕

殷桃 成熟的水蜜桃 女人味溢出屏幕

动物奇奇怪怪
2026-11-13 09:35:39
罪大恶极?黄仁勋又一黑料曝光:英伟达董事会发现,他竟用微波炉加热剩鱼肉

罪大恶极?黄仁勋又一黑料曝光:英伟达董事会发现,他竟用微波炉加热剩鱼肉

小徐讲八卦
2026-11-19 15:11:48
今年的退休金还涨不涨?我打了12333问过,实际情况原来是这样

今年的退休金还涨不涨?我打了12333问过,实际情况原来是这样

笑熬浆糊111
2026-10-28 06:00:28
Anthropic首日股价冲高回落,彭博称其IPO或标志AI行情终结

Anthropic首日股价冲高回落,彭博称其IPO或标志AI行情终结

华尔街见闻官方
2026-11-20 03:57:58
八国联军侵华,7个国家瓜分中国,唯独一国反对,如今成超级大国

八国联军侵华,7个国家瓜分中国,唯独一国反对,如今成超级大国

文史达观
2025-03-08 06:45:05
特朗普在空军一号上打电话:“愤怒斥责”欧洲必须停止资助乌克兰

特朗普在空军一号上打电话:“愤怒斥责”欧洲必须停止资助乌克兰

阿天爱旅行
2026-11-20 12:41:33
又一名电诈头目落网!这回更让人震惊,竟然不是大家熟悉的缅北

又一名电诈头目落网!这回更让人震惊,竟然不是大家熟悉的缅北

人生录
2026-11-02 09:08:26
央媒官宣!43岁佟丽娅,新身份浮出水面,已和陈思诚拉开距离

央媒官宣!43岁佟丽娅,新身份浮出水面,已和陈思诚拉开距离

皮皮电影
2026-11-20 09:45:17
世界首次500强差距断崖:日本149家,美国151家,中国3家,如今呢

世界首次500强差距断崖:日本149家,美国151家,中国3家,如今呢

福建睿平
2026-08-28 07:25:16
从"长枪短炮"到轻装上阵:APEC现场到处都是中国相机

从"长枪短炮"到轻装上阵:APEC现场到处都是中国相机

色影无忌
2026-11-20 10:40:00
马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

马布里,真正的人生赢家。2023 年,马布里结束了与前妻 21 年的婚姻。

回京历史梦
2026-10-30 05:10:04
特朗普:理解普京对基辅袭击克里米亚大桥的愤怒

特朗普:理解普京对基辅袭击克里米亚大桥的愤怒

参考消息
2026-11-20 11:37:30
人死头七必回家,老和尚提示:不是思亲,而是回来带走这2个东西

人死头七必回家,老和尚提示:不是思亲,而是回来带走这2个东西

古怪奇谈录
2025-08-20 15:51:30
扎心了!“”80 90后“”躲过岁月 却没躲过小学生试卷 1988年的“张奶奶”、1991年的“张大爷” 网友看完破防 这年龄设定谁写的?

扎心了!“”80 90后“”躲过岁月 却没躲过小学生试卷 1988年的“张奶奶”、1991年的“张大爷” 网友看完破防 这年龄设定谁写的?

闪电新闻
2026-11-20 09:36:58
末节13分,正负值+33!开拓者36岁妖星,比利拉德还猛

末节13分,正负值+33!开拓者36岁妖星,比利拉德还猛

弄月公子
2026-11-20 15:24:31
杨瀚森12分钟2分!苏群:犯错较多没适应NBA 主教练对他不满意

杨瀚森12分钟2分!苏群:犯错较多没适应NBA 主教练对他不满意

念洲
2026-11-20 15:12:31
沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

沈阳新娘远嫁杭州,娘家30口人自驾送亲,新郎只愿付当天住宿费

兰姐说故事
2025-08-21 20:05:04
普京在深圳真情流露!专机落地后他明白了,怪不得中国在这开会

普京在深圳真情流露!专机落地后他明白了,怪不得中国在这开会

时光流转追梦人
2026-11-19 21:49:10
2026-11-20 16:31:00
奇葩锅
奇葩锅
做个闲人,自由,惬意
563文章数 4关注度
往期回顾 全部

健康要闻

医生眼里"很伤腰"的椅子,很多人天天坐

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

科技要闻

老黄想回来?英伟达董事会:没门

汽车要闻

全新红旗H9最有意思的地方,是它开始有自己的豪华逻辑了

态度原创

旅游
时尚
游戏
本地
公开课

旅游要闻

青岛冬日赏鸥地图|沿着海岸线,赴一场海鸥之约

秋天衣服别总穿纯色,试试这几件条纹单品,简单时尚又减龄

PC Gamer试玩GTA6百小时:双主角出色但任务重复

本地新闻

乌兰察布:以前种土豆,现在种Token

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版