近日，《醫(yī)療場景下大模型應用效果回顧性評測專家共識（2025版）》（以下簡稱“《共識》”）中、英文版本在《數(shù)字醫(yī)學與健康》與《智慧醫(yī)學（英文）》發(fā)布。《共識》由國家新聞出版署醫(yī)學期刊知識挖掘與服務重點實驗室牽頭，聯(lián)合《數(shù)字醫(yī)學與健康》編輯委員會、《智慧醫(yī)學（英文）》編輯委員會、中華醫(yī)學會雜志社指南與標準研究中心、醫(yī)療人工智能研究及應用安徽省重點實驗室共同制定，匯聚了醫(yī)學、人工智能、倫理、法學、統(tǒng)計學等多領(lǐng)域?qū)＜伊α浚鏄?gòu)建了我國醫(yī)療大模型回顧性評測的系統(tǒng)化技術(shù)框架。《共識》面向大語言模型在醫(yī)療場景實際落地前的評估需求，旨在為模型評測機構(gòu)、研發(fā)機構(gòu)和臨床應用方提供統(tǒng)一、規(guī)范、可復用的技術(shù)指南，推動人工智能在醫(yī)療行業(yè)的高質(zhì)量發(fā)展。

《共識》制訂過程嚴格遵循《世界衛(wèi)生組織指南制訂手冊》《中國制訂/修訂臨床診療指南的指導原則（2022版）》等標準方法學要求，并在國際實踐指南注冊平臺PREPARE完成注冊（編號?PREPARE-2025CN503），實現(xiàn)了制訂流程的科學化、透明化與規(guī)范化。來自全國三甲醫(yī)院、科研機構(gòu)與人工智能企業(yè)的數(shù)十位專家參與了問題遴選、證據(jù)評估、推薦意見制訂和Delphi共識投票，全程經(jīng)由專家委員會與指導委員會多輪論證，最終形成6條核心推薦意見，均獲得超過80%的專家同意并達成共識。

《共識》圍繞醫(yī)療場景下大模型的“回顧性評測”開展系統(tǒng)闡述，即在模型訓練完成、參數(shù)固定后，基于真實或模擬真實的臨床數(shù)據(jù)對模型的醫(yī)學適配性與安全性進行驗證。《共識》從評測流程、指標體系、團隊建設(shè)、數(shù)據(jù)集設(shè)計、反饋更新機制和報告規(guī)范等方面構(gòu)建了完整評測框架。其中，評測流程強調(diào)科學客觀、真實全面與倫理合規(guī)；指標體系涵蓋結(jié)構(gòu)化與生成式任務的定量與定性評估；團隊建設(shè)強調(diào)醫(yī)學專家、工程技術(shù)人員、倫理與法律專家的協(xié)同；數(shù)據(jù)集構(gòu)建突出臨床真實性、全面代表性、公正性及動態(tài)擴展能力；反饋與更新機制確保評測體系的長期迭代；報告模板則規(guī)范評測結(jié)果披露與版本管理。

值得關(guān)注的是，基于國家衛(wèi)生健康委辦公廳、國家中醫(yī)藥局綜合司、國家疾控局綜合司聯(lián)合發(fā)布的《衛(wèi)生健康行業(yè)人工智能應用場景參考指引》，《共識》明確提出醫(yī)療大模型評測的六大核心能力維度，包括醫(yī)療知識問答、醫(yī)療復雜語言理解、醫(yī)療診斷與治療推薦、醫(yī)療專業(yè)文書生成、醫(yī)療多輪對話以及醫(yī)療多模態(tài)交互，從而為不同類型模型的評測提供了清晰的應用場景定位和指標選擇依據(jù)。同時，《共識》圍繞患者隱私保護、數(shù)據(jù)脫敏、算法公平性、輸出安全性等關(guān)鍵問題提出嚴格要求，有助于推動醫(yī)療人工智能安全、可控、可解釋的發(fā)展路徑。

隨著大語言模型在診斷輔助、病歷生成、醫(yī)患溝通、慢病管理等環(huán)節(jié)的加速應用，行業(yè)迫切需要一套科學、透明、權(quán)威的評測體系。《共識》將為模型準入、行業(yè)監(jiān)管、產(chǎn)品優(yōu)化以及臨床安全應用提供重要技術(shù)支撐。未來，該項工作將繼續(xù)推動前瞻性研究、真實世界驗證與動態(tài)評測機制的深化，持續(xù)完善評測標準體系，共同促進人工智能在醫(yī)療健康領(lǐng)域的安全應用和高質(zhì)量發(fā)展。

掃描二維碼閱讀英文版指南：