↑

InclusionMed 上线:29 家机构共建医疗健康 AI 独立评测平台

PromptTree|阅读 0
2026/11/20 07:37
InclusionMed医疗AI评测基准蚂蚁集团
InclusionMed 上线:29 家机构共建医疗健康 AI 独立评测平台
医疗健康 AI 独立评测与分析平台 InclusionMed 上线,同步推出评测图谱 InclusionMed Atlas 与首期指数 InclusionMed Index,由斯坦福大学、哈佛大学、北京协和医学院、蚂蚁集团等 29 家机构的研究人员共建。Atlas 以「面向谁」与「考察什么能力」交叉成九宫格;首期指数纳入五项评测基准、1034 项任务,对国内外 11 家厂商的 22 个模型做独立复测,并加入基于期刊疑难病例自建的 DxFiles。

医疗 AI 最尴尬的地方在于:模型在健康问答里表现亮眼,一进真实临床流程就露怯。InclusionMed 想解决的就是这个错配。这个医疗健康 AI 独立评测与分析平台近日上线,同时推出评测图谱 InclusionMed Atlas 与首期评测指数 InclusionMed Index,由来自斯坦福大学、哈佛大学、北京协和医学院、蚂蚁集团、InclusionMed.AI 等 29 家机构的研究人员共同建设。

它的定位被概括为「医疗健康领域的 Artificial Analysis」:不做模型,只做横向比较。这个角色在通用模型领域已经跑通,在医疗领域一直是空白——原因很直接,医疗任务的边界不清、数据不可公开、评价标准高度依赖临床共识。

Atlas 的设计思路是把模糊拆成矩阵。一个维度是「面向谁」:患者与公众、医疗专业人员、医疗管理人员;另一个维度是「考察什么能力」:知识、推理、任务执行。两个维度交叉成九宫格,每项基准按主要评测内容归入对应格子。这个结构的作用不是排名,而是让人看清现有评测覆盖了哪些需求、哪些格子还是空的。

Index 则是把结果汇总。首期聚焦临床诊疗与医疗管理两个方向,纳入五项评测基准、1034 项任务,对国内外 11 家厂商的 22 个模型做系统比较,并经过独立复测,综合考察医疗相关性、评测可信度、场景互补性,最终选出四项公开基准,与团队自建的 InclusionMed-DxFiles 共同构成首期指数。

DxFiles 是首期里最有辨识度的一块。它基于顶级医学期刊刊载的疑难病例构建,考察的是模型结合病例线索做临床判断的能力——不是背知识点,而是在信息不全、症状交叉的情况下给出合理的鉴别诊断思路。这类任务恰恰是通用医疗问答榜单测不出来的。

为什么这件事在当下重要?医院采购 AI 时长期缺少可信的第三方依据,厂商给的演示往往挑选过病例;监管侧的审评也需要可复现的评测方法。一个由多机构共建、公开方法与任务的评测体系,至少能让「这个模型在哪些医疗任务上可用」变成一个可讨论的问题。

蚂蚁集团的参与值得注意。它在医疗方向的布局集中在挂号、医保、健康管理等场景,对「模型在真实业务链条里能否稳定工作」有直接体感。学术机构提供临床与方法论,产业方提供场景与工程能力,这种组合比单一机构自建榜单更容易持续。

边界同样要讲清楚。1034 项任务、22 个模型的样本量足够形成初步对照,但离覆盖医疗全场景还很远;项目组也提到,正与医疗机构和研究团队合作,围绕复杂治疗选择中的医患共同决策、资源约束下的诊疗调度等场景开发新任务。换句话说,首期指数是一个起点,不是终局排名。

对行业的影响会分两层显现。短期看,它给医院与厂商提供了一个共同的对话框架——讨论「哪个格子得分低」比争论「谁更聪明」有效得多。长期看,如果评测与监管审评、医保支付逐渐挂钩,医疗 AI 的竞争重心会从参数与演示,转向特定临床任务的可靠性与可追溯性。