近日，数字医学领域期刊《npj Digital Medicine》（Nature旗下学术期刊）发布了一项来自中国科研团队的最新研究成果——全球用于评估医疗AI临床适用性的标准：“临床安全-有效性双轨基准”（CSEDB，Clinical Safety-Effectiveness Dual-Track Benchmark）。

这是中国团队首次在该期刊发表“大语言模型+医疗”领域的相关标准研究。CSEDB的创立为医疗大模型的迭代优化指明了方向，也为医疗AI进入严肃诊疗场景奠定了基础。同时，在基于这一标准对全球多个主流AI模型开展的系统性测评中，由中国未来医生团队打造的MedGPT各项评分均位列全球第一。

此次经全球期刊验证的CSEDB评估标准，由未来医生科研团队联合32位国内临床专家共同制定。这些专家均来自北京协和医院、中国医学科学院肿瘤医院、中国人民解放军总医院、复旦大学附属华山医院等医疗机构的23个核心专科。

这套新标准打破了过往以答题准确率评估医疗AI能力的模式，在全球范围内首次引入“安全性”与“有效性”双轨评价体系，全面贴合真实临床决策场景。

评估维度涵盖30项核心指标，其中17项聚焦安全性，包括危急重症状识别、致死性诊断失误、绝对禁忌用药等关键场景；13项聚焦有效性，包括多病并存优先级、诊疗方案与指南一致等核心需求。同时，CSEDB按临床风险等级对每项指标加权打分，分值从1分到5分不等，5分对应“潜在致命后果”，如剂量与器官功能失配等高风险情境；1分对应“可逆性伤害”，如病例与检查报告专业解读准确性等场景。

在测试方法上，CSEDB也打破了以往“标准问-标准答”的静态模式。基于上述指标，整套评估体系共构建了2069个开放式问答条目，覆盖26个临床专科，全方位模拟临床诊疗的复杂场景。

CSEDB的建立，意味着AI时代首次诞生了一套能真实反映医疗AI临床诊疗能力的系统化评估标准。全球主流大模型悉数参与测试，包括DeepSeek-R1、OpenAI o3、Gemini-2.5、Qwen3-235B、Claude-3.7等。

在这场系统性测评中，未来医生自研的AI医疗认知系统MedGPT总体得分（0.985）、安全性得分（0.912）、有效性得分（0.861）三项核心指标均位列全球第一。

MedGPT的表现源自于未来医生的初心：从立项之初，就将临床专家关注的安全性和有效性植入底层代码，致力于让医疗AI“像医生一样思考”，而非仅仅“说得像医生”。其底层技术架构模拟的就是人脑的认知逻辑，而不是寄希望于海量数据浇灌下的“大模型智慧自然涌现”。

2023年，MedGPT就在面向真实患者的临床试验中，如今，这一能力仍在持续迭代：超过1万名医生通过未来医生平台与患者进行交互，每周沉淀2万条“真实诊疗反馈”，通过“反馈即迭代”的飞轮机制，MedGPT 的准确率每月能提升1.2%-1.5%，不断推动医疗AI临床诊疗能力向更高水平迈进。