GPT-5超越人类医生！推理能力比专家高出24%，理解力强29%

最新研究显示GPT-5在医学影像分析领域展现出显著优势，在推理与理解能力上分别超越人类专家24.23%和29.40%。

埃默里大学医学院团队通过系统对比GPT-5与GPT-4o及其轻量化变体（GPT-5-mini、GPT-5-nano），验证了其多模态处理能力的突破性提升。

在零样本场景下的多项标准化测试中,GPT-5持续展现最优表现,尤其在MedXpertQA多模态测试中,其推理得分较GPT-4o提升近30%,理解能力更是超出36%,甚至超越人类医生水平。

研究采用三类核心测试:美国医师执照考试(USMLE)文本评估、MedXpertQA多模态综合测试及放射科视觉问答(VQA-RAD)专项检验。

USMLE作为全球医学教育权威基准,涵盖基础医学知识(Step1)、临床应用(Step2)及实践能力(Step3)三大模块,GPT-5在此系列考试中全面领先其他模型。

MedXpertQA测试包含4460道跨17个专科的问题,其多模态子集通过引入带临床病历与检查结果的真实图像,构建了更具挑战性的五选一题型结构。

数据显示,GPT-5在该子集推理维度超出人类专家24%,理解维度优势达29%,展现出强大的跨模态整合能力。

针对VQA-RAD放射影像解读任务,GPT-5-mini以74.90%的严格匹配率领先,但研究指出小模型可能存在数据过拟合风险。

团队揭示性能跃升的核心在于原生多模态架构:通过共享标记化技术实现跨模态符号统一编码,配合注意力机制完成端到端决策流程,相较GPT-4o依赖文本转译的传统模式减少了信息损耗并强化了因果关联推理能力。

尽管实验室环境下表现优异,实际临床应用仍面临考验。

KCDH_A研究中心开展的真实病例模拟测试显示,所有AI模型得分均低于实习医生水平,而执业放射科医师优势更为明显。

研究人员强调,AI辅助诊断系统仍需积累更多实战经验才能真正融入诊疗流程。

论文链接已公开于arXiv平台供学术界深入探讨这一突破性进展及其潜在应用边界。