隨著人工智能技術(shù)在醫(yī)療領(lǐng)域的廣泛應(yīng)用，如何全面、有效地評估這些AI大模型的實際表現(xiàn)成了行業(yè)的一大挑戰(zhàn)。12月10日，北京大學(xué)人民醫(yī)院、螞蟻健康聯(lián)合推出醫(yī)療大語言模型GAPS評測框架，用于評估大模型在?？茖２☆I(lǐng)域的臨床表現(xiàn)，并首先在非小細胞肺癌（NSCLC）上開啟應(yīng)用。本次NSCLC-GAPS評測集發(fā)布，在全球范圍內(nèi)首次實現(xiàn)對肺癌專病領(lǐng)域AI深度能力的評測，標志著大模型在嚴肅臨床場景的驗證取得突破進展。

GAPS首創(chuàng)肺癌專病大模型評測框架，尤其注重安全性

長期以來，肺癌是全球死亡率第一的癌癥。然而，由于缺乏針對?？茖２∩疃仍u估的工具，即使是專業(yè)醫(yī)療人員，也難以對市場上眾多醫(yī)療大模型進行客觀、細粒度的評價。在此背景下，螞蟻健康攜手北京大學(xué)人民醫(yī)院，基于前沿的人工智能技術(shù)與豐富的臨床實踐經(jīng)驗，共同提出了全球首個基于循證醫(yī)學(xué)的專病?？圃u測框架GAPS，并在肺癌專病領(lǐng)域首先應(yīng)用，成功填補這一行業(yè)空白，提供了全新的、更加精確的大模型評估標準。

據(jù)了解，GAPS從四個關(guān)鍵維度出發(fā)，即認知深度（G）、答案完整性（A）、魯棒性（P）和安全性（S），對大模型在非小細胞肺癌診療上的表現(xiàn)進行全方位評估。相比傳統(tǒng)評測基準僅關(guān)注事實記憶，GAPS覆蓋從基礎(chǔ)概念理解到標準化診療方案，再到復(fù)雜診療決策的全鏈條能力，能全面檢驗?zāi)Ｐ驮谡鎸嵟R床場景中的綜合表現(xiàn)。GAPS尤其注重安全性考量，避免模型給出看似合理但實際可能帶來風險的建議，如推薦禁忌藥物或療法。

GAPS評測集已開源共享，可擴展至更多疾病領(lǐng)域

GAPS評測集核心包含證據(jù)等級、臨床推薦強度及推理要點三大要素，系統(tǒng)回答了“依據(jù)什么證據(jù)”“推薦是否可靠”“推理是否嚴謹”等關(guān)鍵問題，有效評估醫(yī)療大模型在臨床決策中的可靠性與循證一致性。

目前，GAPS評測基準已經(jīng)在GitHub等平臺開源，鼓勵全球范圍內(nèi)的研究者和技術(shù)開發(fā)者進行更廣泛的應(yīng)用和探索。通過這種方式，GAPS不僅能夠快速復(fù)制并應(yīng)用于其他病種和科室，也為指導(dǎo)AI大模型在臨床中更深度應(yīng)用與融合，提供了有力支持。此外，開源模式有助于促進跨機構(gòu)合作和技術(shù)創(chuàng)新，共同提升醫(yī)療服務(wù)的質(zhì)量與效率。

此次螞蟻健康與北京大學(xué)人民醫(yī)院的合作探索，不僅是對現(xiàn)有醫(yī)療AI評測體系的重要補充，也為構(gòu)建更智能化、精準化的醫(yī)療服務(wù)體系做出積極貢獻。未來，雙方將繼續(xù)深化合作，致力于將GAPS評測集擴展至更多疾病領(lǐng)域，助力全球醫(yī)療健康事業(yè)的發(fā)展進步。

相關(guān)知識

全球首次！GAPS評測集上線：肺癌專病領(lǐng)域AI診療能力有了科學(xué)評估框架
AI 在醫(yī)療領(lǐng)域：多維度效果評估與全方位安全性考量的深度剖析
入選 ICML 2025！哈佛醫(yī)學(xué)院等推出全球首個 HIE 領(lǐng)域臨床思維圖譜模型，神經(jīng)認知結(jié)果預(yù)測任務(wù)上性能提升 15%
健康醫(yī)療數(shù)據(jù)管理能力成熟度評估（DCMM
醫(yī)療AI輔助診斷與風險評估.pptx
北京亦莊企業(yè)“AI+醫(yī)療”項目助力健康檢測和評估
人工智能賦能肺癌早期精準診療：基于CT圖像的AI技術(shù)在肺癌診治中的應(yīng)用？如何輔助病理類型分類、指導(dǎo)治療決策？
人工智能與生命科學(xué):AI在醫(yī)療健康十大領(lǐng)域應(yīng)用前景
循證AI賦能基層醫(yī)療，盤點百度在數(shù)字健康領(lǐng)域的布局大事件
胡安易：智能人體運動能力評估系統(tǒng)——醫(yī)療健康領(lǐng)域的新突破

網(wǎng)址: 全球首次！GAPS評測集上線：肺癌專病領(lǐng)域AI診療能力有了科學(xué)評估框架 http://www.gysdgmq.cn/newsview1868091.html