0755-83549999
0755-83548611
2025年5月13日，OpenAI推出开源医疗AI评测基准HealthBench，旨在系统评估大语言模型在真实医疗场景中的性能与安全性。该基准突破传统考试式测评（如医学选择题库），通过构建5000个多轮对话模拟患者与医生的实际互动，覆盖急诊、不确定性处理、全球健康等七大医疗主题。其核心创新在于联合60个国家262名临床医生共同制定评分标准，从安全性、准确性和适用性三大维度设置 48562条细粒度评估指标。
HealthBench采用对抗性测试（人工+合成生成）构建复杂对话，涵盖49 种语言和26个专科领域，重点关注模型在真实工作流中的表现。评测方法上，模型回答需经AI评分器对照医生制定的量规进行判定，最终生成综合性能报告。OpenAI 强调，当前医疗AI评测存在三大缺陷：脱离真实场景、缺乏专业验证、顶尖模型改进空间不足，而HealthBench正是为解决这些问题设计。
行业专家高度评价其价值。斯坦福学者Ethan Goh指出现有医学评测（如MedOA）因模型接近满分失去区分度HealthBench填补了任务级评估的空白；斯坦福医疗首席数据科学家Nigam Shah认为其开源数据集与细粒度量规是重大进步，尤其赞赏其对成本-性能权衡的分析。Qualified Health首席执行官Justin Norden强调，此类标准对建立临床信任至关重要-医疗作为高风险的保守领域，亟须透明评测推动A落地。
作为OpenAI首个医疗AI应用，HealthBench服务于双重目标：为AI社区建立共享标准，为医疗机构提供循证依据。其发布正值 OpenAI加速医疗布局之际，合作伙伴包括赛诺菲（AI加速药物研发）、UTHealth休斯顿（合规临床工具）、ColorHealth（癌症辅助应用）等机构。业界共识认为，医疗 AI的技术瓶颈已逐步突破，信任建立与行业采纳将成为下一阶段关键，而开源评测框架正是破局的核心基础设施。
原文标题：OpenAI pushes firther into healthcare with release of HealthBench to evaluate Al models
Copyright ◎ 2017 广州中医药大学深圳医院（福田）经营许可证编号：粤ICP备15088658号
未经授权禁止转载、摘编、复制，违者将追究其法律责任 建议使用1024×768分辨率 IE8.0以上版本浏览器
