中文醫療大模型評測基準上新，鐘南山、葛均波、范先群等院士團隊共建專科評測

新民晚報記者近日獲悉，中文醫療大模型評測基準MedBench已升級至5.0版本。上海人工智能實驗室聯合廣州實驗室、廣州醫科大學附屬第一醫院鐘南山院士團隊，復旦大學附屬中山醫院葛均波院士團隊，上海交通大學醫學院附屬第九人民醫院范先群院士團隊等頂尖力量，共同推出專科化評測賽道，首創醫療原子技能評測范式，并實現AI模型幻覺全維度校正，持續筑牢醫療AI安全防線。

上海AI實驗室供圖（下同）

MedBench是國內首個原生醫療垂直評測體系，也是上海市委網信辦、上海市衛生健康委指定的前置醫療AI應用技術評測載體。自2024年首次發布以來，平臺已累計服務近12萬用戶，完成超31萬次醫療大模型評測，支撐6項國家級與省級AI賽事。依托MedBench，上海AI實驗室于2025年牽頭成立醫學人工智能評測聯盟，目前已有500余家頂尖醫療機構、行業組織和科技企業參與，成為醫療AI測評與驗證領域的重要力量。

此次升級后，MedBench 5.0構建起覆蓋醫療AI全生命周期的評測閉環——在事前準入環節，平臺實施資質核對與基模甄別，從源頭把控模型基礎能力與合規底線；事中評測環節依托評測基準，開展全維度安全攻防測試和臨床場景性能校驗，全面探測模型能力邊界與潛在風險；事后落地環節持續跟蹤應用表現并開展迭代復測，保障醫療AI上線后持續安全可靠。該閉環以上海市醫療大模型應用檢測驗證中心為核心載體，形成“備案協同、評測準入、倫理審查、落地追蹤、整改復測、標準輸出”一體化的治理范式，并建立起“8+1”醫療人工智能評測架構，在垂直定位、評測維度、數據規模、技術范式、安全基石、專科場景、產業賦能和生態影響八個維度實現全面布局。

在評測技術上，MedBench 5.0突破傳統靜態問答模式的局限，創新構建動態化、過程化、幻覺感知的評測新范式。平臺搭建了“臨床認知應答”與“醫療原子技能”雙維度評測框架：認知應答評測覆蓋13個子方向，全面評估大語言模型、全模態大模型和醫療智能體的臨床認知能力，并與京東健康共建多模態真實線上問診測評MedRealMM及醫學3D影像問答測評Med3DVQA等基準；醫療原子技能評測則圍繞數據智能體、檢索增強生成智能體、深度研究和安全紅隊測試四大核心任務，配套自主研發的評測沙箱與工具鏈，對模型執行能力進行系統性評估。全體系共覆蓋63項細分臨床評測任務，依托近100萬條高精度專業評測試題構成評測標尺。

深耕專科應用是此次升級的重點。針對通用評測難以匹配專科精細化需求的痛點，MedBench 5.0設立專科專精評測賽道，已落地8大細分專科標桿挑戰賽，覆蓋多專科、全場景與全流程能力。其中，臨床決策與全病程管理方向包括：呼吸專科RESClinBench，由鐘南山院士團隊聯合打造，聚焦呼吸典型場景下的臨床決策與全病程管理；心內科MyoCardBench，由葛均波院士團隊聯合打造，聚焦心血管全診療場景的一體化決策能力；兒科PEDIASBench，聯合上海市兒童醫院，立足門診實景的綜合處置與動態病情研判思維。多模態診斷與綜合評估方向涵蓋：眼健康專科OPHBench，由范先群院士團隊聯合打造，融合眼科多模態數據，評測眼病綜合診斷與分級評估能力；中醫專科TCM-5CMEval，聯合中國中醫科學院和上海中醫藥大學，評測中醫臨床科研綜合素養。循證與問診能力評估方向則推出隨機對照試驗循證證據質量評估RCTBench、基于改良評分系統的多輪問診自動化測評Mini-CEX，以及聯合京東健康打造的醫療循證問答能力測評MedEviBench等特色賽道。這些評測深度貼合真實診療流程，全面覆蓋急重癥識別、慢病管理、多模態診斷與臨床決策等復雜場景。

在生態建設與行業標準化方面，MedBench已累計開源超7萬條評測數據集，覆蓋醫療倫理、醫療安全和醫療文本推理等核心領域，完成超31萬次評測服務。團隊深度參與10余項醫療AI評測標準制定，發布相關學術論文近30篇，申請專利和軟著20余項，并常態化支撐行業服務登記前置審查與備案大模型合規核驗。依托醫學人工智能評測聯盟的500余家成員，平臺正持續推進醫療AI評測的開源化、標準化與規模化發展。

原標題：《中文醫療大模型評測基準上新，鐘南山、葛均波、范先群等院士團隊共建專科評測》