简体中文
关闭
AI照护资讯

Medscape 公布 NOHARM v2 得分 88.6%,并发布 ClinVal 评估框架

#AI照护与医疗科技 时间2026-11-05 05:48:03

文/IAICA.NGO®

核心要点

  • Clarus 模型在 NOHARM v2 上得分 88.6%,该基准用于衡量 AI 生成的医疗建议中有潜在危害错误的出现频率与严重程度
  • 同一模型在 HealthBench Professional 上得分 85.0%,该基准依据医生设定的答案质量标准评估健康相关场景
  • Medscape 披露了自有的 ClinVal 评估框架,将自动化 AI 评估与临床医生复核相结合

背景与核心进展

Medscape 是面向医生与医疗健康从业者的全球数字平台。该平台此次公布了其底层临床 AI 模型在两项外部基准测试中的结果,并首次详细说明了自有的评估方法。

在与已公开结果的竞品对比中,NOHARM v2 的得分高于三个最高的公开竞品成绩,即 86.2%、84.5% 和 80.0%;在 HealthBench Professional 上,85.0% 的得分高于三个最高的公开竞品成绩,即 69.2%、65.6% 和 65.3%。跨模型比较对评测条件较为敏感,因此方法学披露的意义超过头条数字本身。

ClinVal 依据 16 项循证标准评估 AI 生成的答案,这些标准涵盖安全性、准确性、相关性与可追溯性,由 Medscape 的临床医生设定,并与 AI 工程团队共同细化。该框架将自动化 AI 评估与临床医生复核相结合。评估发现用于确定产品改进方向;答案在修改后会被重新评估,以衡量改进效果,从而形成可重复的质量循环,而不再依赖周期性的外部基准测试。该框架已向外部医生开放,以征求他们对方法论与临床相关性的反馈。Medscape 编辑与内容战略集团副总裁 Joshua Conrad(PharmD)将上述结果描述为快速进展,并表示该机构“高度聚焦于系统性测试与持续改进”。

照护应用与社会影响

对智能照护而言,更值得关注的是评估维度,而非分数本身。智慧养老与康复场景中的回答,往往由家属照护者和未经许可的支持人员转述,而不是由临床医生直接给出,这就提高了在用药管理、症状解读或升级转诊阈值上出现“看似合理却错误”建议的代价。一个既对有害错误的频率与严重程度进行评分、又要求证据可追溯的框架,与这类安全关键、高频次、低监督的照护场景相契合。

当 AI 输出被用于多重慢病老年人的照护协调时,临床医生在环复核尤为重要,因为生成建议与处方者意图之间的分歧,是公认的可避免伤害来源之一。基准测试仍然只是本地部署条件的代理指标;结构化的测试表现本身,并不能证明 AI 在不同语言、不同照护路径或资源受限环境下同样安全。

伦理与合规提示

此次披露呈现出一种值得跟踪的治理模式:评估标准由临床医生撰写,按维度而非测试条目公开,并与有记录的改进闭环绑定。对照护领域中评估临床 AI 的机构而言,尚待回答的问题包括:条目级验证数据能否获取以供独立审计,自动化评分流程中受保护健康信息如何处理,AI 与临床复核者之间的分歧如何管理,以及如何清晰表明生成答案只是支持而非替代专业判断。

iaica.com.cn 指出,此类披露应当以上述问题为尺度加以审视。

相关标签:

分享本文
Medscape 公布 NOHARM v2 得分 88.6%,并发布 ClinVal 评估框架

Medscape 公布 NOHARM v2 得分 88.6%,并发布 ClinVal 评估框架

Medscape 公布其临床 AI 模型在 NOHARM v2 与 HealthBench Professional 两项外部基准测试中的成绩,分别为 88.6% 和 85.0%,并首次详述自研评估框架 ClinVal,强调以可重复、可记录的持续评估作为临床 AI 部署的前提。

评论

0 条
暂无评论,快来抢沙发。

Copyright © 2026 IAICA 版权所有  隐私政策 用户协议 Cookie说明 备案号:沪ICP备11018632号-8

18351659883