我先联网核实这条 “中国 AI 突破复杂肺癌诊疗” 的具体研究、数据和发布来源。
我已拿到多个候选研究。现在定位这篇标题所指的原始报道，避免把不同成果混在一起。
原始研究、实验设计和专家表态都已核实（量子位首发，新华网、凤凰网同步报道）。以下按固定格式输出。
这场实验最值得说的，不是 “AI 赢了医生”，而是它第一次把 “没有标准答案的复杂病例” 变成了可测量的东西。未来医生联合国内顶级三甲医院胸外科团队，用 40 例从未公开的肺癌 “灰区病例”，让 250 名三甲医生和医疗大模型 MedGPT 同题作答：在 750 份医生无辅助方案的逐一对比中，MedGPT 有 660 次得分更高，比分 88 比 12；医生单独作答平均 53.40 分，MedGPT 独立作答 85.29 分；医生获得 MedGPT 辅助后，总体得分从 53.40 升到 66.27，相对提升 24.1%。同条件下，MedGPT 综合评分 96.22，对比 GPT-5.4 的 71.38、Claude Opus 4.7 的 61.81、Gemini 3.1 Pro 的 54.62。真正让中美临床专家同时发声的，是它证明了三件事：流程比参数更重要（把整套流程拆掉，分数掉了近 24 分）、AI 的价值是 “托举医生” 而不是 “替代医生”、以及复杂决策可以被规则化审阅。至于 “中美医疗圈坐不住”，更准确地说，是他们看到了一个可以讨论、可以复核、也可以质疑的样本。
一、先把实验设计摆清楚：它凭什么算 “实证”
| 设计要素 | 具体做法 |
|---|---|
| 病例 | 40 例真实临床、此前未公开的肺癌灰区病例；来源库 100 例中，74% 指南推荐不明确、63% 多因素交织、47% 存在严重共病或治疗约束冲突 |
| 医生 | 250 名，全部来自三甲医院；主任 / 副主任医师 159 位，占 63.6%；覆盖 27 个省级地区、98 个医学中心；胸外科、呼吸科、肿瘤科 |
| 规则 | 20 位六大科室资深主任医师，在接触任何作答前制定 240 条病例级规则，其中 40 条为安全红线，触及即判负 |
| 评审 | 三个 AI 裁判盲态独立评审（GPT-5.5、Claude Opus 4.7、Gemini 3.1 Pro），全程隐藏答案来源 |
| 作答量 | 每位医生在无辅助、检索参考、MedGPT 辅助三种条件下各做 3 例，共 2250 份策略文本；MedGPT 独立完成全部 40 例 |
| 评分口径 | 满分 100，按 “满足规则的程度” 打分，而非 “像不像标准答案” |
这套设计里最关键的一条，是 “规则先于答案”。它从机制上排除了 “看到答案再倒推评分标准”，这也是这类研究最容易被质疑的地方。
二、88 比 12 是怎么来的：四组数据要分开看
| 维度 | 数据 | 说明 |
|---|---|---|
| 人机一对一 | 660 比 90（88:12） | 750 份医生无辅助方案逐一对比，MedGPT 在 660 组中得分更高 |
| 绝对得分 | MedGPT 85.29 ／ 医生 53.40 | 同一套评分体系下的独立作答 |
| 人机协作 | 53.40 → 66.27，+24.1% | 医生审阅 MedGPT 报告后再作答；只给检索参考时是 61.05 |
| 模型横评 | 96.22 ／ 71.38 ／ 61.81 ／ 54.62 | 分别对应 MedGPT、GPT-5.4、Claude Opus 4.7、Gemini 3.1 Pro |
还有两个容易被忽略的细节：MedGPT 的输出平均比医生短四成以上（配对差约 247.5 个非空白字符），说明它不是靠 “写得多” 拿分；主任医师组在辅助后的提升幅度达到 28.8%，比年轻医生更高 —— 这反常识，但符合逻辑：经验越足的人，越能把 AI 给的材料用出价值。
三、它赢在哪：不是模型更大，是流程更像医生
研究团队做了消融实验，把系统模块一个个拆掉再测，结果很直接：整套流程全拆、只让底层模型裸答，成绩掉了近 24 分；仅拿掉 “多学科会诊” 一个模块，就掉 16 分。换句话说，分数差距主要来自流程，不是参数量。
这套流程分三步：
- 第一步，把文献拆到 “一条一结论”。 肺癌一个病种拆了 1.3 万余篇指南、RCT、真实世界研究、药品说明书和近三年国际会议摘要，生成 20.1 万条结构化证据单元（CEU），归入 23 类，98.3% 发表于 2024—2026 年，证据之间建了 43 万条关系链。硬规则是：证据只能由程序从原文提取，模型只能引用、不能生成。
- 第二步，把病人拆成 “动态状态表”。 不是静态病历，而是 “病到哪一步、还有什么合并症、患者意愿、哪些关键信息还没拿到”，每来一条新检查就更新一次，医生签字才作数。
- 第三步，让方案先 “自己找茬”。 按病例组织最多 6 个专科智能体独立出意见，分歧不强行统一；同时生成标准路径（E-Path）、前沿路径（F-Path）和验证路径（V-Path）；候选方案放进 “虚拟患者” 推演，再过安全、尾部风险、证据与剂量、时序与执行、边际价值五维对抗审查，通常要扛过两到三轮才允许输出。
这套结构解释了为什么它对通用大模型有明显优势：通用模型给的是 “一个答案”，它给的是 “带进退路线的方案＋证据编号＋什么条件下要改判”。
四、中美专家为什么同时发声：他们在意的不是比分
| 专家 | 身份 | 表态的重点 |
|---|---|---|
| 李印 | 中国医学科学院肿瘤医院胸外科食管病区主任 | “正是一线临床医生迫切需要的医疗 AI” |
| 王永胜 | 山东省肿瘤医院乳腺病中心主任 | “能够给肿瘤临床医生带来巨大帮助” |
| 陈龙奇 | 四川大学华西医院胸外科学科带头人 | “对临床医生很有用” |
| Robert Warren | 美国 UCSF Health 肿瘤外科主任 | 称其为 “重要研究”，关注 AI 在诊疗决策中的作用 |
| Hope S. Rugo | 美国希望之城乳腺肿瘤内科主任 | 称其 “代表肿瘤学领域真正非凡的进展”，主动提出探讨合作 |
| Mark Pomper | 迈阿密射波刀中心医疗总监 | 关键是 “与数据治理专家合作、与更多肿瘤医生协作、规模化” |
| Marc Shuman | UCSF 血液肿瘤科荣誉主任 | “希望这项研究能把 AI 带入真实临床实践” |
把七句话放在一起，会发现没有一个专家在谈 “取代”。中国专家谈 “有用、需要”，美国专家谈 “真实世界、规模化、数据治理”。这不是客套，而是临床人对这类工具的标准反应：先问能不能用，再问谁负责。
五、三个必须说清的 “不是”，避免误读
- 不是 “AI 替代医生”。 研究方自己的定位是：输出物是 “给医生审阅的策略材料”，最终判断、修订、选择、执行和责任，仍属于临床治理流程。MedGPT 也已完成算法备案与生成式 AI 服务登记。
- 不是 “通用大模型不行”。 通用模型输在 “可追溯证据、专科分歧保留、适用边界说明” 这三项，不是输在知识量。把更强的底层模型接进来，这套流程只会更强。
- 不是 “已经可以临床使用”。 这是 40 例的实证研究，样本集中在肺癌、集中在顶级医院；公开报道未见同行评议期刊论文，结论仍需多中心前瞻验证。
六、真正的难题还剩三个
| 难题 | 具体表现 | 观察点 |
|---|---|---|
| 多中心验证 | 40 例来自单中心团队，病例分布与人群代表性有限 | 是否启动跨院、跨区域的前瞻性研究 |
| 工作流接入 | 医院 HIS、病理、影像系统能否打通，医生是否愿意在门诊节奏里读这份报告 | 落地医院的实际使用率、MDT 准备时间变化 |
| 付费机制 | 知识沉淀与持续迭代由谁买单，医保、商保、医院还是患者 | 是否出现按次付费、按病种管理付费的合同 |
实验 PI、胸外科专家梁教授说得很直白：“不学习 AI 的医生一定会被淘汰 —— 不是 AI 淘汰医生，而是 AI 淘汰不会使用 AI 的医生。” 这句话的重点在后半句：工具替代的是 “不会用工具的人”，不是 “人”。
七、对普通人和医院管理者，三条可操作的建议
- 看这类研究，先看评分规则是谁定的、什么时候定的。 规则后置的研究，结论基本不可信。
- 看 AI 医疗产品，问三个问题： 证据能不能追到原文？分歧保不保留？什么条件下会建议改判？三个都答不上来，就是 “会说话的搜索框”。
- 医院引入这类系统，先算三笔账： MDT 准备时间省了多少、临床路径变异率降了多少、非计划再入院和重复检查少了多少。省不出来的，都是概念。
常见问题
问题 1：中国 AI 在复杂肺癌诊疗上 88 比 12 赢了三甲医生，这个比分能说明什么？
回答 1：说明在 “没有标准答案的灰区病例” 上，中国 AI 已经能输出可审阅的高质量策略材料。88 比 12 来自 750 份医生无辅助方案的逐一对比，MedGPT 在 660 组中得分更高；但它衡量的是 “策略组织与证据完整性”，不是 “谁更能治病”，最终判断和责任仍在医生。
问题 2：为什么 250 名三甲医生会在复杂肺癌诊疗中输给 AI，是医生水平不行吗？
回答 2：不是。医生平均 53.40 分，受限于答题时间、信息整理成本和单人视角；AI 的优势在于把 1.3 万篇文献拆成 20.1 万条证据单元、组织 6 个专科智能体、做多轮对抗审查。这是 “流程对个人” 的差距，不是 “能力对能力” 的差距。
问题 3：中国 AI 这次复杂肺癌诊疗突破，靠的是更大的模型吗？
回答 3：不是。消融实验显示，把整套流程拆掉、只让底层模型裸答，分数掉了近 24 分；仅拿掉多学科会诊模块就掉 16 分。真正的壁垒是三层：真实复杂病例库、愿意前置制定规则的专家网络、可持续验证的临床基础设施，这三样都买不到。
问题 4：中美医疗圈为什么对这项复杂肺癌诊疗研究同时发声？
回答 4：因为他们关注的是 “能不能进入真实临床”，不是 “谁赢了”。中国专家谈 “有用、需要”，美国 UCSF、希望之城、迈阿密射波刀的专家谈 “真实世界实践、数据治理、规模化”。中美医疗圈的共识是：AI 要能托举医生、能被审计、能被问责，才值得进医院。
问题 5：这项研究说医生用了 AI 后提升 24.1%，这个提升是怎么来的？
回答 4：准确说是从 53.40 分提升到 66.27 分。机理是 AI 先把病历、证据、候选路径、风险缺口整理好，医生的工作从 “找信息” 变成 “做判断”；只给检索参考时医生是 61.05 分，说明单纯 “多查资料” 不如 “拿到结构化策略”。主任医师组提升 28.8%，高于平均，说明经验越足越会用。
问题 6：普通患者能用上这种复杂肺癌诊疗 AI 吗，现在能信几分？
回答 6：短期内不能直接当诊断依据用。它目前的定位是医生的策略审阅材料，且研究仅覆盖 40 例、单中心团队，公开报道未见同行评议论文。患者可以关注它带来的两个现实变化：复杂病例的 MDT 准备更快、基层医生能拿到接近主委级的思路参考；但确诊与治疗决策，仍应由医生团队完成。
参考资料
[2026-11-13]（中国 AI 突破复杂肺癌诊疗！中美医疗圈集体坐不住了）ZAKER（量子位）
[2026-11-13]（中美医生同时发声：他们真正在意的医疗 AI 是怎样的）腾讯新闻
[2026-11-12]（未来医生 MedGPT 复杂肺癌临床决策研究结果公布）新华网
[2026-11-12]（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）新浪财经（智药局）
[2026-11-12]（250 名三甲医生输给中国 AI！引发中美医疗权威热议）凤凰网科技（新智元）
[2026-11-12]（未来医生发布重大实验成果：走出较 120 亿美金估值 OpenEvidence 更深一层的路径）ZAKER（IPO 早知道）
[2026-11-10]（LungCURE: Benchmarking Multimodal Real-World Clinical Reasoning for Precision Lung Cancer Diagnosis and Treatment）arXiv
[2026-11-10]（给肺绘一张 “流域地形图”）光明网（光明日报）
[2026-10-10]（“看图识基因” 辅助肺癌精准用药 病理基因大模型 DeepGEM 2.0 正式发布）人民网广东频道
[2026-09-14]（北大肿瘤医院吴楠教授、肖卜凡博士研究生同时获颁国际肺癌研究协会两项重要学术奖励）北京市卫生健康委员会
[2026-07-03]（肺癌如何早诊早治？人工智能怎么精准赋能？他带领团队构建起新体系）澎湃新闻
免责声明
本文基于公开发表的媒体报道、研究方披露的实验数据及专家公开表态整理，仅作技术路径与行业趋势解读，不构成医疗建议、诊断依据或投资判断。该研究为 40 例复杂肺癌病例的实证实验，公开报道未见同行评议期刊论文全文，样本规模、单中心来源与评分体系均存在局限，结论需经多中心前瞻性研究验证。AI 输出仅为临床策略参考，任何诊疗决策应由具备资质的医生团队依据患者具体情况作出。涉及具体病情，请前往正规医疗机构就诊。