# 医疗 AI 有了独立”考场”:29 家机构共建 InclusionMed 平台上线
医疗健康领域的大模型评测,长期缺少一个独立、系统的公共标尺。由 29 家机构的研究人员共同建设的全球首个医疗健康 AI 独立评测与分析平台 InclusionMed 正式上线,并同步推出医疗 AI 评测图谱 InclusionMed Atlas 与首期医疗 AI 评测指数 InclusionMed Index,试图为这一领域提供更统一的评估依据。该项目被视作医疗健康领域的 Artificial Analysis(AI 分析平台)。

29 家机构共建,填补综合测评空白
据量子位报道,InclusionMed 由来自斯坦福大学、哈佛大学、北京协和医学院、蚂蚁集团、InclusionMed.AI 等 29 家机构的研究人员共同建设。其定位是填补全球医疗健康 AI 综合测评的空白——把分散在各类单项基准中的评测结果,汇总到同一套体系下进行横向比较。
背后的现实问题是:一个在健康问答中表现出色的 AI,未必能同样做好复杂的专业医疗任务——比如从疑难病例中识别关键线索、在电子病历系统里准确完成操作,或处理医学研究与医疗运营中的多步骤任务。针对具体任务的评测基准虽已不少,但单项成绩难以完整反映模型在不同医疗场景下的真实能力。
Atlas 九宫格 + Index 综合指数
InclusionMed 的两大核心产出分工明确。
InclusionMed Atlas(评测图谱) 围绕”面向谁”和”考察什么能力”两个维度构建:把患者与公众、医疗专业人员、医疗管理人员三类角色,与知识、推理、任务执行三类能力交叉,形成九宫格评测图谱。每项基准按其主评测内容归入相应位置,让使用者看清现有评测覆盖了哪些医疗需求、哪些方向仍待补充。
InclusionMed Index(评测指数) 则汇集纳入基准的评测结果,呈现模型的综合表现,以及在不同任务中的优势与不足。
| 组成 | 维度 / 内容 | 作用 |
|---|---|---|
| InclusionMed Atlas | 3 类角色 × 3 类能力 = 九宫格 | 看清评测覆盖面与空白点 |
| InclusionMed Index | 汇集各基准结果 | 呈现模型综合表现与长短板 |
| InclusionMed-DxFiles | 顶级医学期刊疑难病例自建基准 | 考察结合线索的临床判断力 |
首期:11 家厂商 22 个模型,1034 项任务
首期评测聚焦临床诊疗与医疗管理两大方向,纳入 5 项评测基准、共计 1034 项任务,对国内外 11 家厂商的 22 个模型进行了系统比较,并经过独立复测。
团队综合考量医疗相关性、评测可信度、场景互补性等因素,最终选出 4 项公开评测基准,与自建的 InclusionMed-DxFiles 共同构成首期指数。其中,InclusionMed-DxFiles 基于顶级医学期刊刊载的疑难病例构建,重点考察模型结合病例线索进行临床判断的能力。
项目组表示,接下来正与医疗机构和研究团队合作,拟围绕复杂治疗选择中的医患共同决策、资源约束下的诊疗调度等场景开发新的评测任务,进一步考察 AI 在临床诊疗、患者决策支持和医疗健康管理中的表现。
常见问题
InclusionMed 由谁建设?
由斯坦福大学、哈佛大学、北京协和医学院、蚂蚁集团、InclusionMed.AI 等 29 家机构的研究人员共同建设。
Atlas 和 Index 有什么区别?
Atlas 是评测图谱,用九宫格梳理评测覆盖了哪些角色与能力;Index 是评测指数,汇总各基准结果,反映模型综合表现及任务间的强弱差异。
首期评测规模有多大?
覆盖临床诊疗与医疗管理两大方向,5 项基准、1034 项任务,比较了 11 家厂商的 22 个模型,并经独立复测。
信息来源
– 量子位:《全球首个医疗健康 AI 独立评测与分析平台 InclusionMed 正式上线》(2026 年 11 月 18 日,蚂蚁供稿) – 每日 AI 研究简报、AI 科技晚报等相关报道(2026 年 11 月 18 日)