医库软件董事长涂宏钢：AI+医疗行业亟需建立中立性“标尺”

日前举办的2026世界人工智能大会期间，7月18日，一场题为AI+医健产业可持续创新论坛上，医库软件董事长涂宏钢分享题为“盲测平台创新探索医疗AI的评价基石”的演讲。涂宏钢直指当前医疗大模型评测体系存在重大漏洞，并对外发布AI公平性盲测平台，通过盲测比对、双榜单校验、动态迭代机制，打造客观透明、贴合临床真实场景的医疗 AI 评测生态。

Grand View Research数据显示，2024年全球AI医疗市场规模约为266.5亿美元，预计到2033年将达约5055.9亿美元，年复合增长率达38.8%。随着生成式AI监管政策逐步收紧，厂商、医院需在AI幻觉校正、临床基准测试等领域做更多验证，垂类评测中心正在逐步进入行业视野。

 

涂宏钢在主题演讲开篇称，当前，业内两份权威研究出现完全相悖的评测结论：Nature Medicine测评显示通用大模型表现优于专业医疗模型，而基于执业医师实测的测评却得出专业模型全面领先的结果。

“传统评测模式存在三大先天缺陷，严重影响评测公信力。”涂宏钢指出：一是评测样本与出题方存在倾向性，测试样本量偏小，极易引导结果偏向自有模型；二是评测存在主观干预空间，评测人员知晓被测模型品牌，易产生先入为主的主观偏好，评价标准模糊；三是评分缺乏统一标准答案，评审拥有自由裁量权，榜单结果难以服众。针对上述行业痛点，一则专业的医疗AI盲测平台有巨大应用前景与价值。

为此，涂宏钢以医库软件搭建的“医库医疗AI公平性盲测平台”为例表示，核心创新模式应该分为三层。第一，是采用双引擎盲测对比机制。平台输出专业临床问题，随机调用两款 AI 模型生成回答，全程隐藏模型名称，由一线执业医师匿名打分，如同 “盲选” 一般，彻底消除品牌、厂商带来的主观偏见，评测结果完全依托模型真实临床应答能力。

第二，是搭建动态持续更新评测体系。医疗大模型迭代速度极快，平台实时收录最新上线模型，动态更新榜单。如7月16日全新发布的Kimi医疗搜索，仅经过 800 余次测试便登顶榜单，平台通过调整权重兼顾评测时效性与样本量，真实反映模型最新水平。

第三，是首创“人类医师 + AI 评委”双榜单互验机制。同一组问答样本，一方面由临床医师人工打分排名，另一方面引入 5 组独立 AI 评委同步评分，两份榜单交叉校验，最大限度降低单一评价主体带来的偏差，提升评测可信度。

谈及该盲测平台中立性优势，涂宏钢表示，医库手握189万执业医师资源，是国内头部医生服务平台，同时自身未研发自有医疗AI产品，不存在“既当运动员又当裁判员”的利益冲突，能够公平聚合全行业各类医疗大模型，为医院、医生、企业提供中立参考标尺。

“未来，该盲测平台的产业赋能价值也在进一步展现。这包括海量临床真实问答数据可形成标准化标注素材，反向供给各AI厂商用于模型迭代优化；平台面向全行业免费开放体验，无需注册即可参与评测，降低行业测试成本等。”涂宏钢说。