一项由未来医生联合国内三甲胸外科开展的对照实验显示，针对 40 例疑难肺癌灰区病例，国产癌症垂类 AI MedGPT 在诊疗方案评分对比中，以 88:12 的占比优于 250 名三甲医生，同时横向对比 GPT、Claude、Gemini 等国际主流通用大模型，得分差距明显，但这个结果只限定在本次实验的评分规则、病例范围，不等于垂类 AI 可以直接独立给患者治病。这次实验找来了 250 名来自全国多地三甲医院的胸外科、肿瘤科、呼吸科医生，主任医师、副主任医师占比超过六成，所有病例是没有公开过的复杂肺癌病例，没有唯一标准答案，专门用来测试肿瘤诊疗方案的完整性、证据支撑、风险评估能力。通用大模型训练内容覆盖各行各业，肿瘤细分指南、最新临床试验、多路径治疗逻辑打磨不足，经常只给出单一方案，对禁忌症、备选方案、后续随访评估考虑不全；而 MedGPT 是癌症垂类模型，专门用肿瘤临床指南、真实病例、循证医学文献做定向微调，输出的时候会同时给出多条治疗路径、配套证据和安全红线。实验还设置了人机协作组，医生搭配这个垂类 AI 辅助之后，整体得分提升 24.1%，主任医师群体提升幅度更高，这也说明它的定位是临床辅助工具，不是替代医生。想要客观看懂这个数据，不能简单理解成 AI 已经攻克癌症，它强在方案梳理、证据检索、多路径推演，但是患者的身体感受、合并症、经济条件、个人意愿这些软性因素，依旧需要医生综合判断，实验本身也只是方案纸面评分，还没有进入大规模真实落地诊疗阶段。
一、本次肺癌对照实验核心数据对照表
| 对比组别 | 样本条件 | 评分结果 | 核心特点 |
|---|---|---|---|
| MedGPT 垂类 AI VS 250 名三甲医生 | 40 例疑难肺癌病例，750 份方案两两对比 | 88:12，AI 方案得分更高 | AI 方案结构更完整，备选路径、风险标注更清晰，文字更精简 |
| MedGPT VS 主流通用大模型 | 同 40 例灰区肺癌病例，统一盲评 | MedGPT：96.22；GPT-5.4：71.38；Claude Opus4.7：61.81；Gemini3.1 Pro：54.62 | 垂类模型在肿瘤循证方案上全面领先通用大模型 |
| 医生无辅助 VS AI 辅助医生 | 同一批医生，同一病例 | 无辅助 53.40 分，AI 辅助 66.27 分，提升 24.1% | AI 可以给医生做决策补强，主任医师增益最高 28.8% |
二、癌症垂类 AI 能够跑赢通用大模型的原因
- 训练数据定向聚焦：垂类模型专门灌入肺癌、肿瘤相关指南、临床文献、多中心病例，持续对齐肿瘤科诊疗规范，而通用大模型知识分散，肿瘤领域深度不足。
- 输出逻辑适配肿瘤诊疗：肿瘤治疗往往有多条备选方案，垂类 AI 会同步给出不同路径、适用条件、副作用、退出方案；通用大模型习惯只给单一方案。
- 内置安全红线校验机制：这套系统提前定义了肿瘤治疗禁忌、高危风险点，生成方案时自动筛查，减少明显违背临床规范的错误。
- 配套检索链路实时关联最新文献：垂类 AI 会绑定肿瘤数据库，给每一条治疗方案附上证据来源，方便医生核验。
- 评估体系贴合临床肿瘤科评审习惯：评分规则由 20 位资深临床专家提前制定，重点考察临床实用性，不是简单的问答题。
三、实验完整测试流程
- 专家组提前锁定 40 例未公开、无标准答案的复杂肺癌疑难病例，制定 240 条评分细则，包含 40 条安全红线。
- 250 名三甲医生分三种模式作答：无任何辅助、普通文献检索辅助、MedGPT 垂类 AI 辅助。
- MedGPT、GPT-5.4、Claude Opus 4.7、Gemini 3.1 Pro 独立对全部病例输出诊疗方案。
- 盲态评审，评审人员看不到方案来自 AI 还是医生，统一打分。
- 统计两两对比胜率、模型横向得分，同时统计人机协作的得分提升幅度。
四、这个实验存在的边界和局限性
✅ 适用范围：仅针对本次实验的复杂肺癌病例、纸面诊疗方案评分，不代表所有癌症病种。
❌ 不能替代临床面诊：AI 看不到真人患者，没有办法评估体征、合并症、耐受情况、患者主观意愿。
❌ 不是 “攻克癌症”：只是诊疗方案辅助决策，无法实现肿瘤根治、治愈。
❌ 还没有长期真实临床验证：本次是对照评测，不是上市临床医疗设备，不能直接用于线下给患者诊疗。
❌ 通用大模型存在迭代空间：后续通用大模型增加肿瘤专项微调之后，差距有可能缩小。
【常见问题】
问题 1：88 比 12 的对照实验里，癌症垂类 AI 为什么在肺癌诊疗方案上比国际主流通用大模型和医生表现更好？
回答 1：88 比 12 对照实验中，癌症垂类 AI 专门针对肿瘤指南、肺癌病例定向训练，擅长多路径方案推演、风险标注和证据匹配；通用大模型知识分散，而医生单人记忆和检索精力有限，在这套标准化评分体系下，垂类 AI 的方案完整性得分更高。
问题 2：88 比 12 的癌症垂类 AI 实验，是不是意味着 AI 已经攻克癌症，可以代替肿瘤科医生看病？
回答 2：88 比 12 的癌症垂类 AI 实验只是纸面病例方案评分，并不代表 AI 已经攻克癌症，它是辅助决策工具，缺少面诊、体征评估、医患沟通能力，不能替代医生，实验同时也证明搭配 AI 之后医生的诊疗方案质量还能进一步提升。
问题 3：88 比 12 实验里，癌症垂类 AI 和通用大模型的得分差距具体是多少？
回答 3：88 比 12 实验里，癌症垂类 AI MedGPT 综合得分 96.22，GPT-5.4 为 71.38，Claude Opus 4.7 为 61.81，Gemini 3.1 Pro 为 54.62，在这批疑难肺癌病例的诊疗方案上拉开明显差距。
问题 4：88 比 12 这个癌症垂类 AI 对照实验，参与的医生是什么水平？
回答 4：88 比 12 癌症垂类 AI 对照实验一共 250 名三甲医生，主任医师、副主任医师占比 63.6%，覆盖全国 27 个省份、98 个医学中心，包含胸外科、肿瘤科、呼吸科核心科室，样本的临床资质水平较高。
【参考资料】
[2026-11-13]（88 比 12！在攻克癌症这件事上，垂类 AI 比国际主流通用大模型和人类医生都在行？）新浪财经
[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）腾讯新闻（量子位）
[2026-11-13]（肺癌灰区病例 AI 对战三甲医生，MedGPT 人机协作提升 24.1%）梅斯医学 MedSci
[2026-11-12]（88:12，国产医疗大模型对战 250 位三甲医生）动脉网
[2026-11-12]（MedGPT 多中心肺癌病例盲评实验解读）新智元
【免责声明】
本文仅为本次肺癌垂类 AI 对照实验的资讯解读，不构成医疗诊断、治疗方案建议；88 比 12 是限定实验条件下的方案评分结果，不代表临床诊疗有效性；该垂类 AI 目前仅为研究测试阶段，不是获批医疗器械，任何肿瘤疾病的诊断、治疗、用药，必须由正规医院肿瘤科医师面诊评估后确定；不同癌症病种、真实临床场景下 AI 表现会存在较大差异，相关研究结论不能直接泛化到全部肿瘤场景。