文章核心观点 - 研究团队提出“模型对抗与协作”框架，推动医疗人工智能从“单点智能”迈向“协同推理”的范式跃迁，旨在解决单一模型在真实高风险临床场景中安全落地的关键瓶颈，通过构建可辩论、可追溯、动态协作的模型圆桌，促进医疗人工智能向可靠、可解释、可协作的下一代形态演进 [3][4] MCC框架：模型对抗与协作 - 框架将不同的大型语言模型组合成一个动态的、具备“推理-行动-反思”的圆桌式智囊团，并引入共享的“上下文工作区”，确保批判与修正基于同一事实与语境 [8] - 核心流程分为三步：第一步为独立推理，多个模型并行生成答案与论证点，并通过分歧门控仅在出现分歧时激活辩论以控制计算开销 [9] - 第二步为对抗辩论，模型进行多轮“质疑-举证-反驳-修正”的消息传递，开展交叉验证并进行自我反思，以可解释方式更新立场 [10] - 第三步为共识优化，每轮后进行共识判定与早停，若未收敛则以多数投票作为保底输出，将多模型互补性转化为基于上下文的迭代纠错过程 [10] 在医学基准测试上的表现 - 在MedQA基准上取得92.6%的平均准确率，在PubMedQA上达到84.8%，在MMLU医学子集中整体维持90%以上，并在其中五个科目获得SOTA表现 [13] - 在更接近真实风险的评测中保持稳健：在MedXpertQA上准确率约40%，表现位居前列；在MetaMedQA中能识别不确定情形并给出保守处理；在RABBITS鲁棒性测试中对临床语言变体有更强泛化能力 [14] - 在开放式长问答任务中，MCC在所有评估维度上均优于多个对比模型：在医生评审的12项指标中，关键维度提升8–12个百分点；在另一组9项综合质量指标中，缺陷率下降3%–9% [16] - 在HealthBench上与临床专家共识对齐的任务中取得92.1的综合评分，并在更高难度的HealthBench Hard中保持领先 [16] 在模拟诊断对话中的表现 - 在模拟病例对话测试中，MCC在病史采集阶段平均可捕获80%以上的关键患者信息点，在16个病例中有14例的信息覆盖率超过80% [19] - 模型提出的问题与患者主诉的相关性更高，多数病例超过80%，问诊路径更聚焦关键线索 [19] - 在诊断结论阶段，在15个可判定病例中，MCC的首选诊断正确率达到80%，并在鉴别诊断的完整性上呈现优势 [19] - 典型案例显示，模型间的交叉质询促使补问关键线索，进而将诊断从表层推进至更深层解释，体现出“圆桌式会诊”对深入诊断推理的促进作用 [19] 研究展望与意义 - 研究表明，多模型对抗与协作可作为医疗推理能力增强的一种通用范式，在不引入额外训练与外部知识的条件下，借助结构化辩论提高复杂问题上的推理收敛质量与输出稳定性 [22] - 该框架并非替代医生，而是提供多角度论据与可追溯的辩论日志，帮助临床人员降低漏诊误判风险并提升决策透明度，同时具备教学示范意义 [22] - 面向临床应用，仍需进一步推进与电子病历及检查结果的端到端集成、完善对不确定/冲突信息的处理策略，并解决隐私合规与计算成本控制问题 [22]