最强证据究竟揭示了什么？
最具说服力的一项研究是2025年发布的皮肤病学基础模型PanDerm，该模型基于来自11家临床机构、涵盖4种成像模态的200多万张真实世界皮肤病图像进行训练[1]。在三项读者研究中，PanDerm通过纵向分析在早期黑色素瘤检测方面比临床医生高出10.2%，在皮肤镜图像上将临床医生的皮肤癌诊断准确率提升了11%，并在临床照片上使非皮肤科医疗保健提供者对128种皮肤病的鉴别诊断能力提高了16.5%[1]。这是所综述研究中规模最大、最全面的评估，覆盖了28个多样化基准测试，包括皮肤癌筛查、风险分层和病灶分割[1]。
一项关于前列腺癌检测的2026年前瞻性研究（ProstNFound+）提供了另一项有力证据：该研究将医学基础模型适配于微型超声技术，并在五年后从新临床站点收集的数据上进行了测试[3]。结果显示，与回顾性评估相比，模型性能未出现下降，且其预测结果与标准临床评分方案（PRI-MUS和PI-RADS）高度一致[3]。这是所有研究中唯一的前瞻性验证，也是迈向实际临床应用的关键一步[3]。
一项2025年利用胸部X光进行骨质疏松筛查的研究发现，基础模型（DINOv2）的AUC达到了0.93（1.0为完美值），并通过聚焦脊柱和肋骨等相关骨骼结构，展现出清晰的临床推理能力[2]。然而，该研究也揭示了一个重要细节：医学基础模型并非始终优于自然领域模型，且更高的性能并不总是与更好的可解释性相关[2]。这表明，仅凭准确性不足以赢得临床信任。
这些模型在临床部署中面临的主要障碍是什么？
在全部10项研究中，最常被提及的障碍是缺乏大规模、前瞻性的真实世界临床验证[4][6][7][9][10]。一篇2025年的放射学综述明确指出，尽管基础模型在各项任务中表现优异，“从研究创新到可持续临床放射学实践的转化仍存在关键缺口”[7]。同样，一篇2026年的肿瘤学综述指出，“缺乏标注完善、多机构协作的队列数据，限制了模型开发与独立验证”[9]。
监管与伦理挑战是另一大障碍。2025年一项关于医学基础模型的综合调查指出，“尽管基础模型具有变革潜力，但它们也带来了独特的挑战”，包括算法偏见、数据隐私以及需要建立稳健的治理机制[10]。2026年一篇关于生成式AI在医疗领域应用的综述补充道，“针对基础模型辅助诊断的监管指南和政策制定仍在完善中”[6]。2023年的聊天机器人综述则警告当前模型存在“错误信息、不一致性以及缺乏类人推理能力”等问题[5]。
可解释性——即临床医生理解模型为何做出特定预测的能力——是一个反复被提及的关切点。骨质疏松筛查研究明确指出，“更高的性能并不总是与更好的可解释性相关”，并主张“在医疗AI中，可解释性应与准确性并重”[2]。病理学基础模型综述也指出，“基础模型在临床应用中仍存在若干挑战，作为使用者的医疗专业人员必须对此有所认识”[8]。
证据在哪些方面混杂或不完整？
关于医学专用基础模型是否始终优于通用模型，各项研究结论不一。骨质疏松筛查研究发现，“医学基础模型并未持续优于自然领域模型”[2]，而皮肤病学研究则表明，专门基于医学数据训练的模型表现优于临床医生[1]。这种差异可能反映了任务复杂性和数据可用性的不同——皮肤病学拥有丰富且标准化的影像数据，而基于胸部X光片的骨质疏松筛查则更具偶然性，标准化程度较低。
另一个差距在于，不同基础模型在相同临床任务上缺乏直接对比。大多数研究仅评估单一模型或少量变体，导致难以确定哪种方法最适合特定应用场景[4][7][8]。2025年的放射学综述呼吁“评估方法标准化”[7]，而2025年的综合调查也呼应了这一观点，指出“评估方法标准化不足”[10]。
最后，尽管皮肤病学和前列腺癌的研究显示出令人鼓舞的结果，但这仅涉及两个临床领域。病理学综述[8]和肿瘤学综述[9]均强调，大多数基础模型仅在狭窄任务上（例如，基于单一影像模态的癌症诊断）进行了测试，而非涵盖临床决策的完整范围。正如2025年综合调查所指出的，“一个关键差距依然存在——从研究创新到可持续临床放射学实践的转化”[7]。
关于这些来源
该回答基于10篇经同行评审的研究——发表于2023年至2026年间，其中9篇为2024年或之后发表，6篇发表于Q1期刊，累计被引用173次——这些研究是从58篇论文中筛选出的10篇通过质量审查的文献中，选取的最具相关性的成果，而58篇论文则源自一个涵盖超过5亿条记录的数据库。
本文引用的文献
面向临床皮肤科的多模态视觉基础模型
在这些研究中规模最大、最全面的评估中，一个基于来自11家机构超过200万张图像训练的皮肤科基础模型（PanDerm），在早期黑色素瘤检测方面比临床医生表现高出10.2%，并在128种皮肤疾病的诊断中将非皮肤科医生的准确率提升了16.5%[1]。
可解释的胸部X光机会性骨质疏松筛查：基础模型的回顾性比较
在一项对21,031张胸部X光片的回顾性研究中，DINOv2基础模型在骨质疏松筛查中达到了0.93的AUC，但医学基础模型并未始终优于自然领域模型，且更高的准确率并不总是意味着更好的可解释性[2]。
ProstNFound+：一项利用医学基础模型进行前列腺癌检测的前瞻性研究
在这些研究中，唯一一项前瞻性验证显示，前列腺癌检测模型（ProstNFound+）在五年后应用于新临床站点的数据时，其性能未出现下降，且预测结果与标准临床评分保持一致[3]。
放射学中的基础模型：是什么、如何用、为何用及为何不用
2025年的一篇放射学综述指出，基础模型通过大量未标注数据进行训练，在多项任务中表现出色，但强调需要以安全且负责任的方式进行训练，以惠及患者和医疗服务提供者[4]。
临床实验室医学中的AI聊天机器人：基础与趋势
2023年一项关于实验室医学中人工智能聊天机器人的综述指出，尽管聊天机器人在教育和结果解读方面具有潜力，但它们存在错误信息、不一致性以及缺乏类人推理能力等问题，因此在临床使用前需要进行广泛验证[5]。
生成式AI在医疗健康领域的应用：基础模型、临床实践、伦理考量与监管挑战
2026年关于生成式人工智能在医疗领域应用的综述指出了关键障碍，包括算法偏差、缺乏大规模临床验证以及监管框架不成熟，并得出结论：成功实施依赖于健全的治理和伦理保障[6]。
面向放射影像分析的大规模基础模型：临床应用、技术挑战与未来方向
2026年的一篇放射学综述指出，研究创新与临床实践之间存在关键差距，该综述提供了部署策略，并指出了在15个医疗系统中临床验证、监管审批及伦理实施方面面临的挑战[7]。
病理学基础模型
一份2025年的病理学综述报告指出，基础模型已应用于疾病诊断、生存预测和生物标志物评分，但同时也强调，在临床应用中仍存在持续挑战，医疗专业人员必须对此有所认识[8]。
临床肿瘤学中的基础模型：进展与展望
一篇2026年的肿瘤学综述指出，基础模型在筛查、诊断和治疗选择方面取得了进展，但关键障碍包括数据标准的不一致性、多机构队列数据的稀缺性，以及监管指南尚在完善中[9]。
医学基础模型综述
2025年一项关于医学基础模型的综合调查，涵盖了其发展历程、在临床自然语言处理、医学影像及组学领域的应用，并重点指出了算法偏差、数据隐私以及负责任部署需求等挑战[10]。