EN
登录

当AI开始读懂肿瘤:中国医疗大模型的循证突围

动脉网 2026-11-18 09:29

近日,医渡科技与中山大学肿瘤防治中心孙颖教授团队合作的研究成果,在线发表于Nature旗下精准肿瘤学期刊《npj Precision Oncology》。论文研究的是一个具体到不能再具体的问题:让人工智能读懂影像报告,自动完成鼻咽癌患者的TNM分期。参与研究的患者,超过5.1万例。


微信图片_2026-11-18_092002_018.jpg 

数字背后的意味,比论文本身更值得琢磨。当全球的目光都聚焦在通用大模型能不能聊天、会不会写诗时,中国的一些研究者正把同样的技术,按在肿瘤分期这样容不得半点含糊的严肃场景里反复锤炼。这是一条更慢、更难,却可能更有价值的路。

 

一个世界语难题

 

要理解这项研究的分量,先要弄懂TNM分期。


T、N、M分别代表肿瘤大小、淋巴结转移和远处转移情况。这三个字母组成的分期系统,是全世界肿瘤医生通用的语言——它直接决定治疗方案怎么定、预后怎么判、疗效如何比。同一位患者,分期差一级,治疗路径可能完全不同。


问题在于,分期从来不是简单的事。医生要把影像报告里散落的文字、检查指标、临床描述拼合起来,再对照指南做出判断。这个过程耗时,且不可避免地带有主观成分。在优质医疗资源紧张的地区,一个准确的分期,往往意味着患者要等上更久,或者辗转更多家医院。


让AI来做这件事,听起来顺理成章,实则暗藏风险。通用大模型有个众所周知的毛病——幻觉,也就是一本正经地编造答案。在日常对话里,这顶多是闹笑话;在肿瘤分期上,一次幻觉就可能改变一个患者的治疗方向。

 

让AI学会反思

 

这项研究给出的解法,可以概括为一句话:给大模型套上缰绳。


研究团队构建了一个AI智能体,它以大语言模型为基础,但额外叠加了两重约束——一是医学知识约束,让模型的推理始终锚定在专业规范之内;二是反思机制,让模型在给出结论前,先对自己的判断做一轮复核。换句话说,这个AI不是想到什么说什么,而是学会了想一想再说、说完再查。


最终,这套框架在超过5.1万例鼻咽癌患者的数据上完成验证,展现出可扩展、可复制的应用潜力。论文的意义不止于让机器分期,更在于为大规模肿瘤队列研究和真实世界证据生成,提供了一条新的技术路径——这种能力,正是新药研发、临床研究乃至公共卫生决策所迫切需要的。


鼻咽癌俗称广东瘤,高发于我国华南地区。选择这样一个具有鲜明中国疾病谱特征的病种攻坚,本身就是一种务实的取向:解决中国人自己的问题,沉淀中国人自己的数据,形成中国人自己的方法。

 

句句有据的底线

 

如果说论文展示了技术高度,那么支撑这种高度落地的,是一套对可信的极致追求。


在医渡科技的技术体系里,有一个反复被强调的指标:幻觉率控制在1%以内。这个数字在不同场景有不同口径,但它传递的信号是明确的——在严肃医疗领域,可靠性优先于聪明程度。


这份底气来自底层积累。其自主研发的AI医疗大脑YiduCore,长期对经授权的真实世界医疗数据进行治理、结构化与知识化,把多源、分散的医疗记录转化为可计算、可追溯的证据底座;专病库覆盖病种过百,疾病知识图谱基本覆盖已知疾病。十余年深耕形成的“数据驱动算法、算法赋能场景、场景反哺数据”飞轮,让AI的判断始终有扎实的真实世界证据作支撑。


面向医生的临床循证智能体医渡智循,则把这种积累变成了可及的工具:其知识库覆盖超3万部精选临床指南、超2000万篇高质量医学文献,临床问题响应时间不超过20秒,证据检索时间缩短70%至90%,证据来源可追溯率接近100%。每一个结论都配有证据身份证——句句有据,经得起追问。


这恰恰击中了行业的普遍痛点。截至2025年末,全国已发布352个医疗垂直大模型,行业正从发布模型的喧嚣,转向能否落地的冷静。有观点认为,严肃医疗场景的落地必须翻过三座大山:性能优化、监管合规、信任背书。可溯源、可解释、低幻觉,正是翻过这三座山的关键抓手。

 

从论文到病房

 

技术的价值,最终要在真实的病房里检验。


目前,医渡科技已携手北京协和医院、中山大学肿瘤防治中心、北京大学肿瘤医院、清华大学长庚医院等核心医疗机构,联合打造了280多个专科专病智能体,覆盖心血管、肿瘤、血液等多个领域。这些智能体不是游离于诊疗流程之外的演示工具,而是通过无感嵌入的方式,融入医生的日常诊疗与科研任务。


在部分临床研究场景中,AI辅助患者招募的速度可提升约30%至50%。这背后,是医疗 AI 从能用到好用的进阶——不改变医生的工作流,却实实在在提升了效率。


值得关注的是,这条技术路线已经跑通了商业闭环。2026财年,医渡科技首次实现全年盈利,营收约8.2亿元,同比增长约15%,年度净利润近8000万元。在医疗AI普遍还在探索商业模式的当下,这份成绩单提供了一个样本:聚焦临床刚需、坚守严肃医疗底线的技术,是能够形成自我造血能力的。

 

做慢变量,更需要定力

 

医疗AI是一个“大变量”,同时也是一个“慢变量”。医渡科技联合创始人、首席执行官徐济铭的这句话,道出了行业的某种共识。


大,在于它可能重塑医疗服务的形态;慢,在于它必须尊重医疗的规律、监管的红线和患者的信任。相比追逐流量和应用数量,把疾病决策的精准度、专业深度和临床价值做扎实,通过头部医院、头部专科、头部专家持续完成验证,再向更广泛场景复制,是一条笨功夫,却也是一条走得远的路。


2026年全国卫生健康工作会议提出,大力发展卫生健康新质生产力,以人工智能赋能防治康管连续服务。政策的方向已经清晰:推动科技创新与产业创新深度融合,把算法、算力、数据、场景有效结合起来。


当AI开始读懂肿瘤,读懂的不只是一张影像报告、一个分期结论,更是一个产业对技术向善的理解——把最硬的技术,用在最需要的地方,让精准医疗惠及每一个人。这,或许才是中国医疗大模型真正的突围所在。

动脉网

共发表文章9573篇

最近内容
查看更多
  • 当AI开始读懂肿瘤:中国医疗大模型的循证突围

    4 小时后

  • 欧姆龙便携压缩式雾化器YL50美团买药独家首发 为家用雾化提供新选择

    2 小时后

  • 京东健康发布2026年第三季度业绩:AI+供应链双轮驱动,进博会“全球朋友圈”再扩容

    12 小时前