文章核心观点 - 通用大模型在医疗垂直领域面临挑战，一项针对心脏介入手术决策支持的临床研究显示，基于RAG增强的垂直领域AI系统CA-GPT在关键决策指标上显著优于通用大模型ChatGPT-5和初级医师，有望重新定义心脏介入手术的智能化标准并解决医疗资源不均的痛点 [1][3][30] 通用大模型在专业领域的局限性 - 通用大模型在需要“火眼金睛”和“毫厘必争”的心脏手术等专业领域表现不佳，面对复杂病变时容易产生“幻觉”，缺乏对图像数据的数值敏感性和空间理解力 [1][17] - 在经皮冠状动脉介入治疗（PCI）手术中，光学相干断层成像（OCT）的图像解读高度依赖医生经验，初级医师与资深专家在手术成功率、并发症发生率等关键指标上的差距高达40%以上 [5] COMPARE研究设计与结果 - 研究由空军军医大学唐都医院与深圳清华大学研究院团队联合完成，基于中科微光医疗的OCT系统搭建RAG增强型AI-OCT整合决策支持模型（CA-GPT系统）[1] - 研究纳入了96名患者、160处病变，将CA-GPT系统、ChatGPT-5以及拥有1-5年经验的初级介入医师进行对比，以资深专家团队的手术记录为金标准进行盲测，评估涵盖10项预设决策指标 [8] - 在术前规划阶段，CA-GPT系统的总体决策评分中位数达到满分5.0，显著高于ChatGPT-5的3.0和初级医师的4.0 [11] - 在关键指标上，CA-GPT的支架直径选择准确率高达90.3%，显著优于ChatGPT-5的63.9%和初级医生的72.2%；支架长度选择准确率达80.6%，优于ChatGPT-5的54.2% [11] - 在术后评估阶段，CA-GPT对“最小支架面积是否达标”的判断与专家吻合度接近100%，在支架贴壁评估上的准确率达93.2%，优于初级医师组的76.1% [17] - 在处理功能性缺血（OCT-FFR≤0.80）或严重钙化等复杂病变时，CA-GPT展现了极高的稳定性，在亚组分析中依然保持了中位数5.0的高分 [17] - 传统OCT图像解读需医师逐帧分析，耗时数分钟至十数分钟，而CA-GPT系统可在20秒内完成全面分析并生成结构化报告，将影像解读时间缩短95%以上 [10] CA-GPT系统的技术架构优势 - 系统核心架构摒弃了对单一端到端大模型的迷信，构建了“小模型 + 大数据 + 大模型”的RAG复合智能体架构 [19] - **“感官”精准化（小模型层）**：底层集成了13项核心功能（含6项自研专有算法），能在5-10秒内完成管腔分割、斑块定性、钙化积分计算等定量分析 [21] - **“大脑”逻辑化（大模型层）**：基于开源的DeepSeek大模型构建，基于小模型提供的精准量化数据进行符合医学逻辑的深度推理 [21] - **“知识”实时化（RAG技术）**：通过RAG技术链接了包含超过100万篇心血管文献及指南的知识库，使AI的每一次决策建议都能追溯到具体的专家共识或最新指南，有效抑制了AI幻觉 [21] 技术突破的行业意义与市场价值 - 该技术突破的终极意义在于解决医疗资源分布不均的现实痛点，全球心血管疾病负担沉重，每年因心血管疾病死亡的人数达1920万，PCI全球年手术量已超过400万例，但资深介入专家（完成1000+例手术）是极度稀缺资源 [5][25] - 培养一名能独立处理复杂病变的医生往往需要8-12年的漫长周期，CA-GPT系统本质上是在做“医疗能力的平权”，能让偏远地区或初级医生在复杂手术中获得相当于顶尖专家的实时指导 [25][26][27] - 此次发布的CA-GPT系统及其临床成果，标志着中国企业在高端腔内影像领域开始掌握定义权，不做通用大模型的“套壳”，而是深耕垂直场景，将深度学习的精准度与大模型的推理能力完美结合 [30] - 这代表了中国医疗科技的“DeepSeek时刻”，即把AI技术落地业务场景，用自己的技术解决最真实的临床痛点 [31]