肺癌的临床决策，最难的部分往往不在指南里。一位EGFR突变患者靶向耐药后，后线选择取决于再活检结果、体能状态和既往毒性累积；一位高龄早期肺癌患者合并慢阻肺和冠心病，手术、立体定向放疗与消融之间的取舍没有标准答案；免疫治疗在自身免疫病背景患者中的启用时机，指南只给出原则性提示。这些病例每天都在肺癌MDT讨论中上演，参与讨论的医生都清楚，它们没有唯一正确的方案，只有权衡之后相对合理的那一个。
导语：肺癌的临床决策，最难的部分往往不在指南里。一位EGFR突变患者靶向耐药后，后线选择取决于再活检结果、体能状态和既往毒性累积；一位高龄早期肺癌患者合并慢阻肺和冠心病，手术、立体定向放疗与消融之间的取舍没有标准答案；免疫治疗在自身免疫病背景患者中的启用时机，指南只给出原则性提示。这些病例每天都在肺癌MDT讨论中上演，参与讨论的医生都清楚，它们没有唯一正确的方案，只有权衡之后相对合理的那一个。
未来医生与国内顶级三甲医院胸外科团队联合开展的肺癌复杂病例诊疗实验，选择的正是这一区域。40例真实复杂病例、250名三甲医院医师参与，未来医生医疗大模型MedGPT （以下简称：未来医生MedGPT）与医生无辅助条件下作答逐一比较，取得88比12的结果；医生在未来医生MedGPT辅助下总体得分从53.4提升至66.27，增幅24.1%，其中主任医师增幅达28.8%。这组数据为AI进入肺癌复杂决策场景提供了一组过程性证据，同时划出了需要继续验证的边界。
结果公布后，引发了国内外近十位一线临床权威的关注与公开发声，包括中国医学科学院肿瘤医院胸外科食管病区主任李印、山东省肿瘤医院乳腺病中心主任王永胜、四川大学华西医院胸外科学科带头人陈龙奇、美国 UCSF Health 肿瘤外科主任 Robert Warren、美国 "希望之城" 国家医疗中心乳腺肿瘤内科主任 Hope S. Rugo、迈阿密射波刀中心医疗总监 Mark Pomper、加州大学旧金山分校血液肿瘤科荣誉主任 Marc Shuman 等。
01
临床灰区是这项实验选择的起点，也是AI进入临床最难的一步
指南逐年更新，覆盖了多数标准路径。临床医生真正感到吃力的，是标准路径之外的部分。靶向耐药后的再挑战时机、寡转移状态下的局部治疗介入、围手术期治疗强度在衰弱患者中的调整、免疫相关不良反应高风险人群的用药取舍——这些决策的共性是证据密度低、变量多、容错空间小。
本次实验PI、知名胸外科专家梁教授将这类场景称为临床的“灰度区域”。他的判断是，真实病例不会按照教科书的标准发病，个体化差异下的循证落地与安全有效性平衡，是临床决策的核心难题。国内顶级三甲医院胸外科长期处理的疑难杂症与复杂并发症，正是这一区域的典型代表。
这项实验的设计对应了上述难度。40例病例全部来自国内顶级三甲医院真实临床场景，病情复杂，无统一诊疗答案。20位专家在盲态下建立240条评价规则，每个病例设一条安全红线。250名三甲医院医师在无辅助、检索参考、未来医生MedGPT辅助三种条件下各完成3例，形成2250份策略文本；未来医生MedGPT独立完成全部40例，同标准评分。模型横向对比中，未来医生MedGPT综合评分96.22，GPT-5.4为71.38，Claude Opus 4.7为61.81，Gemini 3.1 Pro为54.62。
88比12反映特定病例集与预设评价规则下的策略文本匹配度。这组数据说明AI已经能够进入肺癌最难的决策地带并输出高质量策略文本。肿瘤瞭望关注的是这一结果的适用范围：它成立的条件是国内顶级三甲医院提供的这组病例和这套专家规则。能否在更多中心、更多层级医院和真实世界人群中重复，决定它能否转化为普遍的临床能力判断。临床医生读这类数据时，第一反应通常是追问病例构成和规则制定者，这两个问题的答案决定了数字的分量。
02
28.8%的增幅指向AI放大医生，检索参考与模型辅助的差距值得细看
比胜率更具临床相关性的是人机协作数据。医生无辅助时总体得分53.40，使用检索参考后为61.05，有未来医生MedGPT辅助时升至66.27。检索参考与未来医生MedGPT使用同一套知识库，资料数量本身不足以解释增幅。将资料组织为可审阅的诊疗策略产生了差异。提升集中在候选治疗路径、决策前必须补齐的信息、安全红线与风险控制三处，这些正是复杂肺癌病例最容易遗漏的环节。临床医生对此不会陌生：MDT讨论中，最耗时的往往不是选方案，而是确认哪些信息还没补齐、哪条路径的退出条件没有被明确写出。
梁教授在评审中提出，人工智能的核心在“人工”，前期临床资料是否全面、准确、多模态，直接决定模型输出质量。他同时明确，AI的定位是增强工具，医生仍然是决策主体。24.1%的增幅本质是让普通医生在复杂病例中获得接近顶级专家的决策支持。年轻医生和基层医生获得可追溯的策略文本参照，科室质控获得新的讨论基础。从临床可用性看，未来医生MedGPT输出的策略文本篇幅短于医生作答四成以上，结构包含主要路径、备选路径、退出条件、未知信息和复评安排，具备进入临床讨论的文本形态。这一形态对应复杂决策的实际流程，也是AI放大医生能力这一判断的操作性注脚。
03
临床整合与重复验证是下一步的检验标准，国内外专家评价指向同一方向
实验结果公布后，中美肿瘤临床专家相继公开发声。中国医学科学院肿瘤医院胸外科食管病区主任李印教授认为，未来医生MedGPT切中一线临床医生对复杂肺癌决策支持的需求；山东省肿瘤医院乳腺病中心主任王永胜教授肯定其对肿瘤临床工作的帮助；四川大学华西医院胸外科学科带头人陈龙奇教授强调其临床实用性。UCSF Health肿瘤外科主任Robert Warren博士称其为一项重要研究，现有数据指向AI在诊断和治疗决策中发挥突出作用；City of Hope乳腺肿瘤内科主任Hope S. Rugo博士认可该研究在肿瘤学上的推进意义并表达合作兴趣；CyberKnife Miami医疗总监Mark Pomper提出扩大肿瘤医生协作和服务规模的方向。这些评价来自胸外科、乳腺肿瘤和放射肿瘤等不同领域，关注点集中在AI进入真实诊疗流程的可行性。
从临床角度看，这项实验的意义体现在三个层面。第一，实验以国内顶级三甲医院胸外科40例无统一答案的复杂病例为对象，设置病例级安全红线，评价规则覆盖治疗路径选择、决策前信息补齐和风险控制，对应肺癌复杂决策的关键环节。第二，未来医生MedGPT输出的策略文本便于医生和多学科团队审阅修改，具备嵌入现有诊疗讨论的文本基础。第三，24.1%的增幅为医生能力均质化提供了可观察的过程性证据。
肿瘤瞭望关注这项实验的证据边界。88比12和24.1%属于特定病例集与预设评价规则下的过程性结果。下一步需要在更多中心、更多层级医院和真实世界人群中重复验证，并在注册研究中观察诊疗流程与患者结局的实际影响。AI建议在何种条件下可被医生采纳、在何种条件下必须修正，责任如何记录追溯，这些问题的答案决定AI能否安全进入肺癌临床决策。未来医生MedGPT实验将肺癌AI的评价场景从知识问答推进到复杂决策，也为AI进入肺癌临床决策划出了清晰的验证路径。
据了解，未来医生的病人管理系统、AI 智能医生系统与随访系统已在山东省千佛山医院（山东第一医科大学第一附属医院）泌尿外科、肝胆外科、肿瘤科三大病区落地，为出院患者建立结构化健康管理档案，围绕复查提醒、用药指导、康复训练与异常预警提供持续服务；合作同时引入医院商保中心，探索 "医疗 + AI + 商保" 的患者全周期管理模式。在西安长安医院，未来医生以院内临床团队为核心落地专病院外患者管理项目，诊疗决策权归属医院，平台承担技术搭建、标准化随访与运营服务，针对肿瘤与慢病出院患者建立长期管理链路，实时监测居家指标、识别风险异常，减少非计划再入院，并在合规与数据安全前提下沉淀全病程数据，联合开展真实世界研究。
接下来，未来医生将发起一项面向肿瘤科医生的学术赋能项目——肿瘤AI诊疗能力提升工程，该项目将在2026年中国整合肿瘤学大会期间发起。项目以线上限时作答形式，围绕指南没有标准答案的灰区病例展开、人机协同确定最佳治疗决策路径，由 AI 按六维质量分赋能治疗决策；项目设中期会和总结会，同时安排现场答辩，由赋能专家遴选方案，入围总结会医生可参与千万级科研课题合作共创，共同探索未来 AI 医疗的前沿进展。未来医生希望通过此次活动让未来医生MedGPT成为更多医生的临床合伙人。