浙江组建医学人工智能临床专家库参与测评医疗大模型

27日记者从浙江省卫生健康委了解到，国家人工智能应用中试基地(医疗)·浙江(下称基地)日前组建成立医学人工智能临床专家库。这支专家团队汇集省内外41家医院和机构的近300名医学专家，覆盖64个专科领域。

他们依托基地与中国医学科学院北京协和医学院、中国信息通信研究院共建的“医学人工智能测评验证联合实验室”，参与医疗大模型能力评测的标准建立、考题制作、结果审核等工作。目前，团队已完成超过20个医疗大模型的评测任务。

近年来，各类医疗大模型纷纷涌现，却缺乏严肃、权威、专业的评价体系。一个核心问题日益凸显:如何确保这些与百姓健康息息相关的AI产品安全、可靠？

“专家团队覆盖了内科、外科、妇产科、儿科等核心临床专科，并纳入了影像、病理等关键医技科室的权威专家，”医疗大模型评测技术负责人康俊晖介绍，“团队已构建超过6万道题的测评题库，建立初审、复审和抽样校验的三审机制。这套严谨的体系，相当于为医学人工智能量身定制了一套‘专业考题’。”

这些考题围绕《卫生健康行业人工智能应用场景参考指引》设计，覆盖患者就医、医生诊疗等真实场景，构建了健康科普、分诊导诊、报告解读、用药指导、检验检查推荐、辅助诊断和辅助病历撰写等七大应用场景。

在题型设计上，团队也进行了创新突破。“常规的客观选择题只能评估模型的知识覆盖能力，难以衡量其在复杂医疗场景中的实际表现。”康俊晖说，“我们大幅增加了主观简答题比重，通过对大模型回答的深度分析，更准确地评估其临床推理能力。”

例如，在辅助诊断场景中，不仅要求模型给出诊断名称，还要求模型详细阐述诊断依据和思路；在用药指导环节，则需要说明药物选择的理由和注意事项。

“医学人工智能是一个非常特殊的领域，伦理、安全、算法黑箱、幻觉等问题倍受关注，稍有不慎，极易导致信任崩塌。”基地相关负责人、浙江省卫生健康信息中心主任李春浦指出，“基于网络公开数据或有限临床数据训练出来的大模型，在一些医院的落地应用中，就出现了‘水土不服’。”

李春浦进一步解释，应用在真实临床诊疗场景下的人工智能产品，仅靠掌握公开的医学教材、文献资料和个别医院的数据是远远不够的。

“这就好比一个医学生，即便熟读教科书，经历了临床实习，仍难以胜任复杂的诊疗工作。因此，我们必须用大量的‘真案例、真标准’来检验，通过不同医院、不同领域真实的临床案例，包括疑难重症病例，参考国内外最新诊疗指南进行评测，才能科学评估人工智能在严肃医疗场景下的真实水平。”李春浦说。

目前，浙江正在开展医疗大模型第二轮的测评验证工作，推动医疗大模型测评将常态化，让真正好用、管用、实用的医疗AI产品加速推广应用，推动医学人工智能高质量发展。