制服丝袜成人电影|欧洲美女激情AV|久久天堂无码AV|日本一及黄色电影一及黄色|天摸天操天啪欧美|AA级黄色一级特黄成人大片|日韩特级AAA毛片|特级黄色成人录像|激情啪啪综合亚洲A黄|特黄一级AAA日本在线观看

大語言模型（large language model，LLMs）基于海量文本數(shù)據(jù)訓(xùn)練，已在自然語言理解與生成方面展現(xiàn)出強大能力，其在醫(yī)療場景中的應(yīng)用涵蓋疾病篩查、輔助診斷、健康管理等多個環(huán)節(jié)，成為推動智能醫(yī)療發(fā)展的重要力量。近年來，我國積極推動人工智能（artificial intelligence，AI）與醫(yī)療健康的融合，政策端鼓勵企業(yè)突破醫(yī)療大模型、多模態(tài)數(shù)據(jù)融合等關(guān)鍵技術(shù)，應(yīng)用端加速向健康管理、精準(zhǔn)醫(yī)療等場景延伸，逐步構(gòu)建起覆蓋預(yù)防、診斷、治療、康復(fù)的全周期智能醫(yī)療服務(wù)體系。然而，隨著LLMs在醫(yī)療領(lǐng)域的廣泛應(yīng)用，相關(guān)評測標(biāo)準(zhǔn)缺失、方法不統(tǒng)一的問題日益突出。為此，《醫(yī)療場景下大語言模型應(yīng)用效果回顧性評測專家共識（2025版）》圍繞醫(yī)療場景下LLMs的回顧性評測構(gòu)建了系統(tǒng)化評測框架，提出了科學(xué)的評測指標(biāo)體系、標(biāo)準(zhǔn)與流程，旨在為模型評測機構(gòu)、提供方與應(yīng)用方提供清晰、可操作的指導(dǎo)規(guī)范。該共識有助于統(tǒng)一評測方法，提升評測的科學(xué)性，推動LLMs在醫(yī)療場景中的安全、有效應(yīng)用，助力AI賦能醫(yī)療，實現(xiàn)高質(zhì)量發(fā)展。

大語言模型指使用大量文本數(shù)據(jù)訓(xùn)練的深度學(xué)習(xí)模型，可以生成自然語言文本或理解語言文本的含義，通過在龐大的數(shù)據(jù)集上進行訓(xùn)練來提供有關(guān)各種主題的深厚知識和語言生產(chǎn)。其核心思想是通過大規(guī)模的無監(jiān)督訓(xùn)練學(xué)習(xí)自然語言的模式和結(jié)構(gòu)，在一定程度上模擬人類的語言認知和生成過程。醫(yī)療場景下的LLMs應(yīng)用是指將LLMs應(yīng)用于醫(yī)療領(lǐng)域，在疾病篩查、輔助診斷、健康管理等醫(yī)療環(huán)節(jié)中發(fā)揮輔助決策作用。

在醫(yī)療場景中，LLMs的技術(shù)研發(fā)和實際應(yīng)用均已步入加速發(fā)展階段?！夺t(yī)療場景下大語言模型應(yīng)用效果回顧性評測專家共識（2025版）》（簡稱本共識）在遵循標(biāo)準(zhǔn)化文件的結(jié)構(gòu)和起草規(guī)則下，通過科學(xué)構(gòu)建評測指標(biāo)體系、評測標(biāo)準(zhǔn)、評測流程等，為LLMs在醫(yī)療場景下的應(yīng)用效果評測提供科學(xué)化、具體化、系統(tǒng)化的指導(dǎo)，規(guī)范LLMs評測方法和標(biāo)準(zhǔn)，促進人工智能產(chǎn)業(yè)高質(zhì)量發(fā)展的標(biāo)準(zhǔn)體系加快形成。本共識由國家新聞出版署醫(yī)學(xué)期刊知識挖掘與服務(wù)重點實驗室、《數(shù)字醫(yī)學(xué)與健康》編輯委員會、《智慧醫(yī)學(xué)（英文）》編輯委員會、中華醫(yī)學(xué)會雜志社指南與標(biāo)準(zhǔn)研究中心、醫(yī)療人工智能研究及應(yīng)用安徽省重點實驗室聯(lián)合發(fā)起，蘭州大學(xué)健康數(shù)據(jù)科學(xué)研究院、世界衛(wèi)生組織指南實施與知識轉(zhuǎn)化合作中心提供方法學(xué)支持。

本共識的制訂嚴(yán)格遵循《世界衛(wèi)生組織指南制訂手冊》、《中國制訂/修訂臨床診療指南的指導(dǎo)原則（2022版）》，并參考衛(wèi)生保健實踐指南的報告規(guī)范（Reporting Items for Practice Guidelines in Healthcare）進行撰寫，重點關(guān)注醫(yī)療場景下LLMs應(yīng)用效果的回顧性評測指標(biāo)體系、評測標(biāo)準(zhǔn)、評測流程，并在國際實踐指南注冊平臺（practice guideline registration for transparency，PREPARE）進行注冊，注冊號為PREPARE-2025CN503。

本共識依據(jù)循證醫(yī)學(xué)原則制訂，采用系統(tǒng)化、標(biāo)準(zhǔn)化的流程形成共識建議，以確保內(nèi)容的科學(xué)性與權(quán)威性。臨床問題的遴選和確定，是以問卷調(diào)查和文獻檢索等形式收集問題和專家意見，按照S（sample）、PI（phenomenon of interest）、D（design）、E（evaluation）、R（research type）原則構(gòu)建問題和指標(biāo)總條目。由共識制訂專家組指導(dǎo)委員會擬定初步的問題和指標(biāo)，邀請共識制訂專家組召開問題構(gòu)建和指標(biāo)遴選專項會議，對所有問題的重要程度進行評價。通過兩輪調(diào)查問卷以及對相關(guān)共識的調(diào)查，收集并確定需要在本共識中解決的問題。采用Likert 5級評分法進行重要性評分（5分制：5分為必須納入的強烈推薦項，1分為不納入的強烈不推薦項）。平均分≥4分的為關(guān)鍵問題，必須在共識中產(chǎn)生推薦意見；平均分介于3~4分的為一般重要問題，是否形成推薦意見由共識會議討論決定；平均分≤3分的為非關(guān)鍵問題，在共識中不產(chǎn)生推薦意見。本共識最終納入的問題將基于問卷調(diào)查及專家評分結(jié)果。對于每個關(guān)鍵問題，秘書組的兩名研究人員獨立地從納入的文獻中提取信息，形成證據(jù)摘要，并將其提交指導(dǎo)委員會審查。指導(dǎo)委員會和秘書組根據(jù)現(xiàn)有證據(jù)為每個問題起草初步建議和理由。采用改良的德爾菲（Delphi）方法，通過問卷調(diào)查就推薦意見達成共識。

本共識所采用的文獻檢索數(shù)據(jù)庫包括PubMed、Embase、Cochrane Library、Scopus、中國知網(wǎng)（CNKI）、萬方全文數(shù)據(jù)庫、中華醫(yī)學(xué)期刊全文數(shù)據(jù)庫，以及與醫(yī)療場景下LLMs相關(guān)的學(xué)會/協(xié)會網(wǎng)站文件，檢索時間范圍為各數(shù)據(jù)庫/網(wǎng)站建立起至2025年5月，發(fā)表語言限定為中英文。最后采用相應(yīng)的工具評價納入研究的質(zhì)量并確定文獻證據(jù)。共識制訂專家組成員基于指南、共識、系統(tǒng)評價、Meta分析、隨機對照研究的證據(jù)以及相關(guān)的指引、規(guī)范和通知，初擬了共識意見和證據(jù)與解釋。執(zhí)筆專家整合共識制訂專家組文件，撰寫共識全文。秘書組整合不同問題的共識意見，通過線上會議與共識制訂專家組成員開展共12次討論與修改。2025年8月通過郵件形式在共識制訂專家組中進行1輪Delphi調(diào)查，調(diào)查人數(shù)為35人，問卷有效回收率為100%。調(diào)查問卷的內(nèi)容設(shè)計由秘書組成員完成，經(jīng)共識制訂專家組成員審核通過后發(fā)放。問卷內(nèi)容主要包括對每條推薦意見的評分以及可自由填寫的意見和建議區(qū)域。針對每一條推薦意見，專家采用同意、不同意、不確定來進行評定。本共識設(shè)定：針對單條推薦意見，勾選同意的專家超過80%，則為該條推薦意見達成共識。本共識共凝練出6條推薦意見，均達成共識。專家推薦程度以“共識度”標(biāo)注，共識度=（勾選同意的專家人數(shù)/總參評專家人數(shù)）×100%。

圖1  醫(yī)療場景下大語言模型應(yīng)用效果回顧性評測流程

推薦意見2：建議將模型評測指標(biāo)根據(jù)不同場景適配性地劃分為定量指標(biāo)與定性指標(biāo)兩類。定量指標(biāo)主要用于量化模型在自然語言處理任務(wù)中的表現(xiàn)，推薦優(yōu)先采用準(zhǔn)確率、召回率和F1值評測結(jié)構(gòu)化任務(wù)（如文本分類、信息抽?。⒉捎肂LEU與ROUGE分?jǐn)?shù)衡量文本生成任務(wù)中的語言質(zhì)量與信息覆蓋度。定性指標(biāo)則用于評測模型輸出的醫(yī)學(xué)適應(yīng)性與安全性，建議采用MOS機制，由評測專家從準(zhǔn)確性、完整性、安全性、實用性和專業(yè)性五個維度進行5分制評分，并計算均值作為評測依據(jù)。同時，可引入優(yōu)秀率（MOS≥4）、不良回復(fù)率（MOS=1或含風(fēng)險內(nèi)容）及勝率等指標(biāo)，進一步量化模型在高質(zhì)量輸出和風(fēng)險控制方面的綜合表現(xiàn)。此外，建議納入資源消耗、并發(fā)能力等性能指標(biāo)以評估模型在醫(yī)療場景下的運行效率，確保其在實際應(yīng)用中的響應(yīng)速度與資源適配性。［共識度：100%（35/35）］

2024年11月14日，國家衛(wèi)生健康委員會、國家中醫(yī)藥管理局、國家疾病預(yù)防控制局三部門聯(lián)合印發(fā)《衛(wèi)生健康行業(yè)人工智能應(yīng)用場景參考指引》。該指引從“人工智能+醫(yī)療服務(wù)管理”“人工智能+基層公共衛(wèi)生服務(wù)”“人工智能+健康產(chǎn)業(yè)發(fā)展”和“人工智能+醫(yī)學(xué)教學(xué)科研”四大領(lǐng)域，給出了84個應(yīng)用場景，希望以此推進衛(wèi)生健康行業(yè)“人工智能+”應(yīng)用創(chuàng)新發(fā)展。具體應(yīng)用場景見圖2。

本共識面向LLMs在醫(yī)療場景中的應(yīng)用進行評測，故選擇《衛(wèi)生健康行業(yè)人工智能應(yīng)用場景參考指引》中與共識制訂目的強相關(guān)的“醫(yī)療服務(wù)”“醫(yī)藥服務(wù)”“中醫(yī)藥管理服務(wù)”等8個模塊51個應(yīng)用場景，并將其聚焦為6個核心評測點：

1.醫(yī)療知識問答：能夠提供醫(yī)療領(lǐng)域的知識查詢與解釋，包括疾病診療、用藥指導(dǎo)、醫(yī)保政策、健康科普、醫(yī)學(xué)教育題庫及文獻問答，滿足從患者到專業(yè)人員的多層次知識需求。覆蓋藥品問答、健康教育等場景。

2.醫(yī)療復(fù)雜語言理解：能夠深度解析醫(yī)療文本語義與規(guī)則，實現(xiàn)對醫(yī)學(xué)術(shù)語、專業(yè)文書、政策法規(guī)的精準(zhǔn)理解與結(jié)構(gòu)化提取，滿足醫(yī)療行業(yè)在問題解決方面的嚴(yán)格要求。覆蓋病歷質(zhì)控、醫(yī)保核算/風(fēng)控、科研文獻分析、處方審核等場景。

3.醫(yī)療診斷治療推薦：能夠模擬臨床決策全流程，支持影像/病理/檢驗輔助診斷、手術(shù)規(guī)劃導(dǎo)航、用藥推薦、慢病管理及中醫(yī)辨證等，輔助醫(yī)生臨床決策，提高整體醫(yī)療服務(wù)能力，覆蓋專病決策、分診導(dǎo)診、多學(xué)科會診等場景。

4.醫(yī)療專業(yè)文書生成：能夠自動化生成醫(yī)療全場景文檔，包括門診病歷、入院記錄、出院小結(jié)等，提高醫(yī)療工作效率，減輕醫(yī)生工作負擔(dān)。覆蓋病歷生成、健康檔案、科研文書等場景。

5.醫(yī)療多輪對話交互：聚焦自然語言單模態(tài)，核心在通過多輪問答實現(xiàn)信息獲取，強調(diào)上下文理解與個性化，場景偏向客服、管理等對話場景。覆蓋醫(yī)?？头?、健康管理交互、醫(yī)院客服、醫(yī)學(xué)培訓(xùn)等場景。

6.醫(yī)療多模態(tài)對話交互：能夠?qū)ξ谋?、語音、圖像等多類型輸入進行識別與理解，并生成符合醫(yī)療規(guī)范的多模態(tài)輸出，滿足醫(yī)療行業(yè)多模態(tài)交互需求及技術(shù)輔助。覆蓋影像質(zhì)控、手術(shù)輔助、中藥鑒別等場景。

為保障評測結(jié)果科學(xué)嚴(yán)謹(jǐn)且貼合醫(yī)療場景實際表現(xiàn)，依據(jù)GB/T 45288.2—2025《人工智能 大模型 第2部分 評測指標(biāo)與方法》要求，在設(shè)計評測指標(biāo)時，緊密結(jié)合醫(yī)療場景的實際問題，同時兼顧不同任務(wù)類型的核心要求、相關(guān)數(shù)據(jù)集的固有特性，并重點針對不同場景下模型輸出的回復(fù)形式進行設(shè)計。LLMs在醫(yī)療場景下推薦的評測指標(biāo)見表1。

具體到不同應(yīng)用場景中，從核心評測點對應(yīng)的評測指標(biāo)設(shè)定，到評測實施的全流程細節(jié)，在表2中提供了詳細的示例，可作為實操參考。

以上提供了醫(yī)療場景下LLMs應(yīng)用效果的評測指標(biāo)。然而，模型的綜合價值不僅在于其能力的強弱，還在于將這些能力轉(zhuǎn)化為實際服務(wù)的效率與成本。因此，在關(guān)注其“效果”的同時，我們必須也關(guān)注決定其落地可行性的“性能”維度。LLMs的性能評測包含但不限于以下維度：資源消耗（包括算力要求、顯存占用、功耗），吞吐量及延遲（包括吐字速率、請求吞吐量、響應(yīng)延遲），并發(fā)能力和可擴展性（包括最大并發(fā)路數(shù)和增加計算資源時帶來模型性能提升）。

推薦意見3：建議構(gòu)建具備多學(xué)科協(xié)同能力、醫(yī)學(xué)專業(yè)背景與評測素養(yǎng)的標(biāo)準(zhǔn)化評測團隊。團隊?wèi)?yīng)由高年資醫(yī)學(xué)專家（擔(dān)任醫(yī)療LLMs評測培訓(xùn)導(dǎo)師）、計算機學(xué)專家、倫理學(xué)專家、統(tǒng)計學(xué)專家及法學(xué)專家共同組成，以保障評測工作的標(biāo)準(zhǔn)化和專業(yè)性。評測人員應(yīng)覆蓋多?？啤⒍鄬蛹壍尼t(yī)生及醫(yī)院，并通過系統(tǒng)培訓(xùn)與實操驗證提升評測一致性；培訓(xùn)導(dǎo)師應(yīng)具備豐富的臨床經(jīng)驗，負責(zé)制訂評測流程與標(biāo)準(zhǔn)；計算機學(xué)專家則負責(zé)數(shù)據(jù)處理、平臺支持及結(jié)果分析，確保評測流程技術(shù)可行與臨床契合；倫理學(xué)專家負責(zé)確保評測遵循現(xiàn)有倫理規(guī)范，避免數(shù)據(jù)偏見、算法偏見及其他倫理風(fēng)險；法學(xué)專家負責(zé)保障評測全流程符合國內(nèi)外相關(guān)法律法規(guī)，提供合規(guī)支持與風(fēng)險把控。團隊內(nèi)部應(yīng)建立規(guī)范的人崗匹配與動態(tài)管理機制，包括分層培訓(xùn)、進階考核、任務(wù)分配與績效淘汰制度，以實現(xiàn)穩(wěn)定、高效的評測協(xié)作體系，提升評測質(zhì)量與結(jié)果可信度。［共識度：91.4%（32/35）］

跨學(xué)科團隊的構(gòu)建至關(guān)重要，專業(yè)醫(yī)生憑借深厚的醫(yī)學(xué)知識和臨床經(jīng)驗，能精準(zhǔn)把控診療邏輯、判斷醫(yī)療決策的合理性，確保LLMs的應(yīng)用符合臨床規(guī)范；有經(jīng)驗的工程師則可從技術(shù)底層優(yōu)化模型性能，解決數(shù)據(jù)處理、算法適配等問題，為測評流程的穩(wěn)定性和效率提供保障。該團隊模式能夠有效整合不同領(lǐng)域的知識，提高標(biāo)注質(zhì)量。團隊?wèi)?yīng)通過標(biāo)準(zhǔn)化培訓(xùn)與考核機制強化跨學(xué)科協(xié)作能力，選拔具備專業(yè)深度與溝通能力的成員，為LLMs的評測提供可靠人才保障。

1.培訓(xùn)導(dǎo)師的選拔應(yīng)跨越不同科室、不同場景，以確保其能力全面覆蓋：根據(jù)不同應(yīng)用場景、專科方向與任務(wù)難度，選取具備相應(yīng)背景與職稱的專家醫(yī)生擔(dān)任培訓(xùn)導(dǎo)師，確保醫(yī)學(xué)能力與任務(wù)類型的高度匹配。培訓(xùn)導(dǎo)師還應(yīng)具有地域代表性，避免地域差異對評測結(jié)果產(chǎn)生偏倚。培訓(xùn)導(dǎo)師資質(zhì)建議為副主任醫(yī)師及以上，具備豐富的臨床與教學(xué)經(jīng)驗，能夠深入理解各類醫(yī)療任務(wù)并提供準(zhǔn)確指導(dǎo)。

2.參評醫(yī)師應(yīng)從專業(yè)資質(zhì)及實踐能力多維度出發(fā)綜合考慮，并通過小樣本交叉測評和場景測評進一步提高結(jié)果一致性和穩(wěn)定性：根據(jù)醫(yī)學(xué)場景任務(wù)的不同，需要篩選合適的醫(yī)生參與評測，應(yīng)根據(jù)不同應(yīng)用場景、不同專科、不同難度等，選拔對應(yīng)背景、職稱的專科醫(yī)師。（1）參評醫(yī)師的資質(zhì)。①從專業(yè)資質(zhì)維度，參評醫(yī)師需涵蓋住院醫(yī)師、主治醫(yī)師、副主任醫(yī)師及主任醫(yī)師，覆蓋臨床診療、醫(yī)學(xué)影像、檢驗醫(yī)學(xué)等多個科室；②從實踐能力維度，參評醫(yī)師需具備測評相關(guān)的實踐經(jīng)驗，掌握基礎(chǔ)醫(yī)學(xué)統(tǒng)計學(xué)方法，具備醫(yī)療數(shù)據(jù)解析與專業(yè)測評報告撰寫能力。（2）參評醫(yī)師的遴選流程。①采用小樣本交叉測評法，對候選醫(yī)師的醫(yī)學(xué)知識儲備及臨床問題理解能力進行量化評測，建立基礎(chǔ)能力篩選標(biāo)準(zhǔn)；②基于多任務(wù)場景的大樣本測評數(shù)據(jù)集，開展標(biāo)準(zhǔn)化測評實踐，通過組內(nèi)一致性檢驗優(yōu)化測評人員對評分細則的認識，確保評測標(biāo)準(zhǔn)的同質(zhì)化執(zhí)行。

3.計算機學(xué)專家（如數(shù)據(jù)工程師和計算機工程師）的資質(zhì)要求與職能作用：除醫(yī)學(xué)專業(yè)人員外，具備數(shù)據(jù)處理分析以及機器學(xué)習(xí)知識的數(shù)據(jù)工程師和計算機工程師參與評測團隊，可以從多個角度保證所標(biāo)注的數(shù)據(jù)同時滿足計算機思考決策方式和臨床專業(yè)性及實用性，通過專業(yè)醫(yī)生、數(shù)據(jù)工程師和計算機工程師的協(xié)作，形成評測工作的跨學(xué)科框架。

計算機學(xué)專家的資質(zhì)要求：需持有數(shù)據(jù)工程師或計算機工程師職業(yè)資質(zhì)認證，或擁有5年以上相關(guān)領(lǐng)域從業(yè)經(jīng)驗，且須通過專家組組織的專項能力測試，方可獲得參評資格。其職責(zé)包括：（1）保障評測平臺的穩(wěn)定性。①在標(biāo)注平臺中，開發(fā)智能輔助工具能夠有效提升測評效率，這一點已被多方所驗證。這些工具具備自動填充、智能提示以及錯誤預(yù)警等多種功能，它們依托于自然語言處理和機器學(xué)習(xí)技術(shù)，可顯著減少人工標(biāo)注過程中的重復(fù)性勞動，降低錯誤發(fā)生率，進而提高整體的數(shù)據(jù)質(zhì)量。②構(gòu)建完善的數(shù)據(jù)安全防護體系，對醫(yī)療標(biāo)注數(shù)據(jù)進行加密存儲與傳輸，同時設(shè)置嚴(yán)格的權(quán)限管理機制，確保不同角色的人員只能訪問和操作其權(quán)限范圍內(nèi)的數(shù)據(jù)，以上措施可有效防止數(shù)據(jù)泄露和誤操作。（2）保障評測數(shù)據(jù)的均衡性。數(shù)據(jù)工程師需具備良好的數(shù)據(jù)分析能力，以確保在數(shù)據(jù)標(biāo)注過程中實現(xiàn)數(shù)據(jù)的均衡分布；同時，要嚴(yán)格把控數(shù)據(jù)質(zhì)量，提供標(biāo)準(zhǔn)化的術(shù)語庫，從而有效減少標(biāo)注過程中的歧義，切實保障標(biāo)注數(shù)據(jù)的一致性與合理性。（3）保障評測結(jié)果分析的專業(yè)性。計算機工程師具備自然語言處理和機器學(xué)習(xí)專業(yè)知識，能夠評測LLMs的技術(shù)性能，如準(zhǔn)確率、召回率、效率等。此外，他們還可以分析LLMs存在的潛在偏差和局限性。

4.倫理學(xué)專家的資質(zhì)要求與職能作用：在LLMs測評團隊中，倫理學(xué)專家需具有應(yīng)用倫理學(xué)、生命倫理學(xué)、醫(yī)學(xué)倫理學(xué)或科技哲學(xué)專業(yè)碩士及以上學(xué)歷，具備3年以上AI倫理、數(shù)據(jù)倫理和科研倫理的研究或從業(yè)經(jīng)驗，具備3年以上的科研倫理審查經(jīng)驗，理解LLMs的工作原理，了解訓(xùn)練數(shù)據(jù)、微調(diào)、提示、參數(shù)和輸出，理解訓(xùn)練數(shù)據(jù)如何被獲取、清理及可能的數(shù)據(jù)偏見。其核心作用體現(xiàn)在4個方面：（1）結(jié)合現(xiàn)有AI原則和治理框架，明確適合目標(biāo)場景的倫理評測規(guī)則，使評測遵循現(xiàn)有倫理規(guī)范；（2）數(shù)據(jù)倫理評價，對訓(xùn)練所用數(shù)據(jù)的獲取、清洗進行評估，并評估數(shù)據(jù)偏見風(fēng)險；（3）對算法模型進行倫理評估，識別算法中存在的倫理問題，包括算法的魯棒性、可解釋性、透明性、公平性等，并評估價值鏈上主體對算法的影響；（4）與LLMs評測團隊中成員協(xié)作，針對LLMs中存在的倫理問題和相關(guān)風(fēng)險提出完善建議。

5.法學(xué)專家的資質(zhì)要求與職能作用：在LLMs測評團隊中，法學(xué)專家需擁有法學(xué)專業(yè)碩士及以上學(xué)歷，具備3年以上數(shù)據(jù)安全、個人信息保護或AI合規(guī)領(lǐng)域的從業(yè)經(jīng)驗，熟悉國內(nèi)外相關(guān)法規(guī)，具備醫(yī)療或AI領(lǐng)域交叉學(xué)科知識儲備，能較為準(zhǔn)確地理解LLMs測評中的臨床數(shù)據(jù)特性與技術(shù)邏輯。其核心作用體現(xiàn)在3個方面：（1）構(gòu)建合規(guī)框架，結(jié)合LLMs測評場景（如醫(yī)療數(shù)據(jù)處理、多模態(tài)信息交互等），制訂涵蓋數(shù)據(jù)采集、脫敏、存儲、模型輸出驗證全流程的合規(guī)標(biāo)準(zhǔn)，確保測評活動符合法律法規(guī)要求；（2）動態(tài)風(fēng)險管控，針對測評中可能出現(xiàn)的敏感信息泄露、模型輸出合規(guī)性爭議等風(fēng)險，提供實時法律評估與應(yīng)對方案，例如審核醫(yī)療數(shù)據(jù)去標(biāo)識化效果是否滿足“較難識別特定個體”的法定要求；（3）合規(guī)能力建設(shè)，通過專項培訓(xùn)提升團隊成員的法律意識，明確測評各環(huán)節(jié)的法律邊界，同時對測評結(jié)果的合法性進行確認，保障LLMs在醫(yī)療領(lǐng)域的應(yīng)用符合法律規(guī)范。

6.評測團隊需制訂明確的標(biāo)注規(guī)范，并進行統(tǒng)一培訓(xùn)：評測團隊在不同醫(yī)療任務(wù)場景下需要有明確的評測標(biāo)注規(guī)范。評測標(biāo)注規(guī)范由醫(yī)療LLMs評測培訓(xùn)導(dǎo)師制訂，優(yōu)秀的評測標(biāo)注規(guī)范應(yīng)當(dāng)清晰、詳細、可操作，并明確標(biāo)注范圍、標(biāo)準(zhǔn)、方法及注意事項等內(nèi)容。評測標(biāo)注規(guī)范應(yīng)包含各種可能遇到的情況和解決方案，確保團隊成員在標(biāo)注過程中有統(tǒng)一的標(biāo)準(zhǔn)可循。醫(yī)療LLMs評測培訓(xùn)導(dǎo)師需結(jié)合不同任務(wù)的評分規(guī)范和實操中的問題，系統(tǒng)梳理培訓(xùn)材料，包含任務(wù)標(biāo)注案例、注意事項等；醫(yī)學(xué)專家負責(zé)提供專業(yè)的醫(yī)學(xué)知識，協(xié)同篩選，確保標(biāo)注的準(zhǔn)確性；數(shù)據(jù)科學(xué)家負責(zé)設(shè)計標(biāo)注方案和質(zhì)控流程；標(biāo)注工程師則負責(zé)具體的數(shù)據(jù)標(biāo)注工作。這種團隊模式已被證明能夠有效整合不同領(lǐng)域的知識，提高標(biāo)注質(zhì)量。

7.設(shè)置評測人員準(zhǔn)入考核機制，建立數(shù)據(jù)標(biāo)注質(zhì)量監(jiān)控制度：（1）評測人員準(zhǔn)入考核方法。針對不同醫(yī)療LLMs能力維度與應(yīng)用場景，均設(shè)置標(biāo)準(zhǔn)化試評環(huán)節(jié)。評測人員需完成規(guī)定數(shù)據(jù)量的試評任務(wù)，其標(biāo)注結(jié)果與標(biāo)準(zhǔn)答案的誤差率控制在3%以內(nèi)，且組內(nèi)一致性系數(shù)達到0.85以上，經(jīng)專家組復(fù)核確認后，方可獲得正式參評資格。該機制通過量化考核標(biāo)準(zhǔn)，確保評測人員具備穩(wěn)定且專業(yè)的評測能力。（2）數(shù)據(jù)標(biāo)注質(zhì)量監(jiān)控。團隊中需要有專門的醫(yī)療專業(yè)人員作為質(zhì)控人員進行標(biāo)注結(jié)果的質(zhì)控，負責(zé)檢查標(biāo)注質(zhì)量，發(fā)現(xiàn)并糾正錯誤標(biāo)注。質(zhì)控人員需要具備專業(yè)的醫(yī)學(xué)知識和豐富的標(biāo)注經(jīng)驗，能夠制訂合理的質(zhì)控標(biāo)準(zhǔn)和流程。同時需要定期對標(biāo)注數(shù)據(jù)進行抽查和評測，及時發(fā)現(xiàn)和糾正錯誤標(biāo)注。定期結(jié)合歷史評分準(zhǔn)確率和質(zhì)控反饋設(shè)定淘汰門檻，對評測人員進行復(fù)訓(xùn)與考核。利用統(tǒng)計分析方法，如計算標(biāo)注一致性系數(shù)來評測標(biāo)注質(zhì)量，并根據(jù)評測結(jié)果改進標(biāo)注流程和指南。

推薦意見4：評測數(shù)據(jù)集的設(shè)計需注重科學(xué)性、動態(tài)性、合規(guī)性，需制訂標(biāo)準(zhǔn)化的數(shù)據(jù)構(gòu)建流程，并建立可擴展與可持續(xù)更新的機制，以確保醫(yī)療LLMs應(yīng)用效果評測具有臨床真實性、全面代表性、公正性。（1）評測數(shù)據(jù)集的科學(xué)性設(shè)計需遵循三個原則：①臨床真實性，基于真實診療數(shù)據(jù)，覆蓋醫(yī)療全流程及決策沖突情境；②全面代表性，從疾病、人群、醫(yī)療機構(gòu)等多維度廣泛覆蓋，動態(tài)引入關(guān)鍵維度；③公正性，納入弱勢群體、特殊人群及特定領(lǐng)域數(shù)據(jù)。（2）評測數(shù)據(jù)集需建立動態(tài)擴展機制：采用模塊化設(shè)計，按場景、疾病、任務(wù)等劃分獨立單元，確保結(jié)構(gòu)、格式、存儲規(guī)范；建立標(biāo)準(zhǔn)化版本控制體系，根據(jù)模型迭代、政策更新等情形，及時更新數(shù)據(jù)并保留歷史版本，增強評測連續(xù)性與可解釋性。（3）數(shù)據(jù)合規(guī)要求：評測數(shù)據(jù)集若使用真實醫(yī)療數(shù)據(jù)，須嚴(yán)格遵守法律法規(guī)，對姓名、住址等敏感信息徹底脫敏匿名，確保無識別性、不屬于個人信息。建議引入脫敏規(guī)范與審計機制，保障評測全流程合法、合規(guī)、可追溯。［共識度：100%（35/35）］

1.評測數(shù)據(jù)集的設(shè)計原則：評測數(shù)據(jù)集在設(shè)計時應(yīng)保證臨床真實性、全面代表性和公正性三個設(shè)計原則。

（1）臨床真實性。評測數(shù)據(jù)集采用真實世界醫(yī)療場景數(shù)據(jù)，覆蓋診前-診中-診后就醫(yī)全流程數(shù)據(jù)，且包含典型臨床決策沖突場景。同時數(shù)據(jù)要求來自臨床真實情況，如住院電子病歷、門診病歷、體檢報告單等。評測數(shù)據(jù)集的正確性將由專家組進行復(fù)核確認。

（2）全面代表性。①數(shù)據(jù)類型：根據(jù)醫(yī)療場景的不同，測試集需對應(yīng)覆蓋測試場景下所涉及的數(shù)據(jù)類型。普遍的醫(yī)療場景下應(yīng)考慮的臨床數(shù)據(jù)類型包括導(dǎo)醫(yī)導(dǎo)診對話數(shù)據(jù)、門診病歷數(shù)據(jù)、檢查檢驗報告單、復(fù)雜住院病歷、醫(yī)療對話、診療計劃文檔、影像數(shù)據(jù)及醫(yī)學(xué)指南文獻類文章等。以上數(shù)據(jù)需滿足對LLMs應(yīng)用場景的覆蓋，包括醫(yī)療海量知識問答、醫(yī)療復(fù)雜語言理解、醫(yī)療診斷治療推薦、醫(yī)療專業(yè)文書生成、醫(yī)療多輪對話交互、醫(yī)療多模對話交互。其中，醫(yī)學(xué)指南文獻類文章作為權(quán)威醫(yī)學(xué)知識的載體，可有效支撐模型對臨床指南的深度解析與循證決策能力，進一步強化數(shù)據(jù)類型的專業(yè)性和全面性。②疾病維度：確保數(shù)據(jù)集覆蓋盡可能多的疾病類型和臨床表現(xiàn)，從而驗證LLMs在不同醫(yī)學(xué)領(lǐng)域的泛化能力。例如，包括腫瘤、心血管疾病、傳染病等不同科室/不同類別的病例，可從國際疾病分類（ICD）中按不同層級分層抽樣，根據(jù)疾病的不同程度，作出符合患者病情的診斷；同時需要根據(jù)國家發(fā)布的兩批罕見病列表，納入部分罕見病，保證模型復(fù)雜病案診斷鑒別能力。此外，還需納入一定比例的陰性樣本（如無明確器質(zhì)性病變的功能性癥狀病例、非目標(biāo)疾病的相似癥狀病例等），以此驗證模型在區(qū)分疾病與非疾病狀態(tài)、鑒別相似癥狀下不同病因的能力，減少假陽性診斷，進一步提升模型對復(fù)雜臨床場景的適配性。③人群維度：醫(yī)學(xué)數(shù)據(jù)往往存在偏差，如某些疾病可能在特定人群中更為普遍。如果評測數(shù)據(jù)集未能反映真實世界的人群分布，LLMs可能會學(xué)習(xí)并放大這些偏差，導(dǎo)致對某些群體做出不準(zhǔn)確或不公平的診斷。因此，選擇評測數(shù)據(jù)時應(yīng)注意平衡患者人群特征，包括平衡不同年齡段、不同性別、不同地域等。④醫(yī)療機構(gòu)維度：覆蓋基層醫(yī)院、二級醫(yī)院、三級醫(yī)院等不同層級，根據(jù)實際情況按照比例進行模擬，避免模型在基層醫(yī)療機構(gòu)（如社區(qū)醫(yī)院、鄉(xiāng)鎮(zhèn)衛(wèi)生院等）應(yīng)用中的準(zhǔn)確性和有效性受到影響，使基層患者不能獲得合適的醫(yī)療AI決策。結(jié)合實際評測對象、評測場景的差異性，還應(yīng)考慮從其他特性維度進行數(shù)據(jù)集覆蓋。

（3）公正性。評測數(shù)據(jù)應(yīng)該保持公正，在保障覆蓋絕大部分真實世界數(shù)據(jù)的同時，適當(dāng)設(shè)計弱勢群體、特殊人群、特殊領(lǐng)域的數(shù)據(jù)集。

2.測試集的形式：應(yīng)支持動態(tài)擴展，便于數(shù)據(jù)持續(xù)更新。

（1）模塊化數(shù)據(jù)結(jié)構(gòu)。將數(shù)據(jù)集拆分為獨立模塊，支持按模塊添加，通過采用統(tǒng)一的數(shù)據(jù)格式和存儲規(guī)范，確保新數(shù)據(jù)模塊與現(xiàn)有模塊無縫集成，而無需重構(gòu)整個數(shù)據(jù)集。這對于不斷發(fā)展的領(lǐng)域（如醫(yī)療健康）至關(guān)重要，因為新的數(shù)據(jù)類型、特征或患者群體可能需要定期添加到評測數(shù)據(jù)集中。

（2）版本控制。評測數(shù)據(jù)集需要明確版本，并制訂對應(yīng)的更新策略，如當(dāng)模型技術(shù)迭代明顯、醫(yī)療政策調(diào)整、醫(yī)療技術(shù)更新等重大變化時，適時對測試集進行更新；此外，還應(yīng)支持歷史版本回溯功能，這有益于問題排查、長期分析及版本合規(guī)性檢驗。

3.測試集的倫理與安全：需對敏感信息進行脫敏處理、滿足數(shù)據(jù)安全并遵循倫理原則。評測數(shù)據(jù)集采用真實世界診療數(shù)據(jù)時，需對數(shù)據(jù)中的姓名、住址、身份標(biāo)識、就診號等敏感信息進行脫敏處理，通過完整的匿名化與去標(biāo)識化操作，確保數(shù)據(jù)不再構(gòu)成個人信息。嚴(yán)格遵守《中華人民共和國個人信息保護法》《中華人民共和國數(shù)據(jù)安全法》等國內(nèi)法規(guī)，同時參考歐盟的《通用數(shù)據(jù)保護條例》、AI法案和美國的健康保險流通與責(zé)任法案等國外法規(guī)，全面保障數(shù)據(jù)安全。在健康醫(yī)療大數(shù)據(jù)應(yīng)用場景下，健康醫(yī)療個人信息控制者開展個人信息處理活動，應(yīng)遵循合法、正當(dāng)、必要與誠信原則，目的原則，公開透明原則，質(zhì)量原則，以及責(zé)任原則。在實際操作中應(yīng)注意以下幾點：

（1）數(shù)據(jù)隱私性。在獲取數(shù)據(jù)內(nèi)容上，因為醫(yī)療數(shù)據(jù)包含大量敏感信息，如患者的姓名、身份證號、聯(lián)系方式、健康狀況、疾病史、詳細出生日期等，所以必須采取嚴(yán)格的隱私保護措施。在不影響數(shù)據(jù)使用價值的前提下，對數(shù)據(jù)進行匿名化和去標(biāo)識化處理，可降低數(shù)據(jù)被識別和泄露的風(fēng)險。在測評數(shù)據(jù)應(yīng)用中，針對患者姓名、身份證號、聯(lián)系方式等與診斷診療無關(guān)的個人敏感信息，需通過規(guī)范化脫敏處理以平衡數(shù)據(jù)利用與隱私保護，具體采用以下三種核心方式：①以偽數(shù)據(jù)或標(biāo)準(zhǔn)化占位符替換此類信息，以阻斷真實身份關(guān)聯(lián)；②將精準(zhǔn)個人信息（如具體年齡、居住地址）泛化為年齡區(qū)間、城市級別等寬泛類別，弱化個體識別度；③對數(shù)字類個人信息（如醫(yī)保賬號、病案號）采用加密技術(shù)處理，在保證信息安全的情況下保留唯一標(biāo)識。數(shù)據(jù)脫敏后，還需通過檢測流程確認其是否可以識別個體或是否可以關(guān)聯(lián)回溯，避免存在脫敏不徹底導(dǎo)致隱私泄露的風(fēng)險。

（2）數(shù)據(jù)安全性。在數(shù)據(jù)獲取途徑上，基于數(shù)據(jù)安全性要求，需明確誰可以使用以及可以披露哪些受保護的健康信息。患者有權(quán)查看、獲取其醫(yī)療記錄的副本，并要求更正不準(zhǔn)確的信息。醫(yī)療機構(gòu)必須告知患者其隱私權(quán)，并獲得患者的書面授權(quán)才能披露某些信息。比如，醫(yī)療科技公司應(yīng)建立訪問控制機制，限制只有經(jīng)過授權(quán)的工作人員和醫(yī)生才能訪問相關(guān)的患者數(shù)據(jù)。此外，保證原始醫(yī)療數(shù)據(jù)備份也很重要，在評測的標(biāo)注階段，相關(guān)工作人員應(yīng)使用脫敏后的數(shù)據(jù)，但仍需對原始數(shù)據(jù)進行備份，確保數(shù)據(jù)可以安全地備份和恢復(fù)，以應(yīng)對數(shù)據(jù)處理過程中導(dǎo)致的信息缺失等問題。

（3）倫理合規(guī)性。在醫(yī)療數(shù)據(jù)的處理過程中，需要遵循倫理原則，確保數(shù)據(jù)的使用符合道德和倫理標(biāo)準(zhǔn)。例如，在進行醫(yī)療研究時，使用患者數(shù)據(jù)必須經(jīng)過倫理委員會的審查和批準(zhǔn)，要充分考慮研究目的是否正當(dāng)，是否會對患者造成潛在的傷害或不利影響；數(shù)據(jù)采集需避免偏見，例如納入不同種族、不同社會經(jīng)濟地位的人群數(shù)據(jù)，防止算法歧視導(dǎo)致醫(yī)療資源分配不公。

推薦意見5：為保障醫(yī)療LLMs評測體系的高標(biāo)準(zhǔn)執(zhí)行與持續(xù)優(yōu)化，建議完善并落實嚴(yán)謹(jǐn)、透明且高效的反饋與更新機制。評測機構(gòu)應(yīng)構(gòu)建多渠道、分層次的反饋體系，包括定期專家評審、在線反饋平臺和臨床驗證模塊，以確保收集到廣泛且專業(yè)的意見。同時，應(yīng)設(shè)立反饋管理團隊與獨立仲裁委員會，規(guī)范爭議處理流程，保障問題得到公正、透明的解決。更新機制應(yīng)基于法規(guī)變更、技術(shù)進步、應(yīng)用擴展及安全事件等觸發(fā)條件，實施季度或年度常規(guī)迭代，并設(shè)立多層分級的緊急響應(yīng)流程以應(yīng)對重大風(fēng)險。同時，配合統(tǒng)一的版本管理與可追溯的歷史庫，可進一步保障評測體系的科學(xué)性、前瞻性和持續(xù)改進能力。［共識度：97.1%（34/35）］

由于醫(yī)療LLMs在臨床應(yīng)用中呈現(xiàn)復(fù)雜性、高風(fēng)險性與快速演進性的特征，其評測體系必須動態(tài)且公平。有效的反饋與更新機制是保障評測體系科學(xué)性、時效性、公平性與可信性的根本，更是評測機構(gòu)展現(xiàn)其專業(yè)性的關(guān)鍵。

1.反饋機制是提升評測體系精準(zhǔn)性與公平性的核心：應(yīng)設(shè)置多途徑的反饋渠道，如定期召開專家評審會，能有效整合臨床醫(yī)生對于LLMs診斷支持、治療決策等方面的專業(yè)判斷與經(jīng)驗，這可以作為醫(yī)療AI評測的重要參考基準(zhǔn)。同時，構(gòu)建反饋平臺和臨床集成反饋模塊可以直接獲取一線醫(yī)護人員在真實世界應(yīng)用中的細微偏差與性能問題，從而彌補評測的不足。為應(yīng)對醫(yī)療AI的潛在偏見風(fēng)險，應(yīng)建立反饋循環(huán)框架，可增設(shè)匿名反饋通道，將其貫穿于開發(fā)與部署的各個階段，以同時保證公平性與持續(xù)質(zhì)量改進。

標(biāo)準(zhǔn)化爭議處理機制是保障AI評測體系公正性與客觀性的關(guān)鍵環(huán)節(jié)。該機制的核心作用在于為涉及復(fù)雜倫理（如算法歧視導(dǎo)致的醫(yī)療不公平）或技術(shù)爭議（如模型解釋性不足）的問題提供制度化、權(quán)威性的解決路徑，例如通過經(jīng)嚴(yán)格程序遴選、力求獨立公正的專家仲裁。同時，評測流程的透明和規(guī)范至關(guān)重要，在研究設(shè)計階段就應(yīng)明確數(shù)據(jù)處理標(biāo)準(zhǔn)、指標(biāo)選擇依據(jù)及模型評測方法。在計算模型性能指標(biāo)時，需詳盡公開數(shù)據(jù)來源、計算方法和關(guān)鍵假設(shè)條件，以體現(xiàn)評測機構(gòu)的專業(yè)性、科學(xué)性與責(zé)任擔(dān)當(dāng)。透明度雖無法徹底消除所有質(zhì)疑（如價值觀沖突或理解差異），卻能顯著降低信息不對稱帶來的不信任，為結(jié)果可信度奠定基礎(chǔ)，并使評測過程具備可審查性。爭議處理機制與透明度建設(shè)相輔相成，共同成為可信賴AI評測體系的核心支柱。

2.動態(tài)更新機制是保障評測體系先進性、適應(yīng)性與可持續(xù)性的必要條件：更新觸發(fā)條件應(yīng)確保評測體系能及時響應(yīng)行業(yè)變化。醫(yī)療AI技術(shù)發(fā)展迅速，LLMs架構(gòu)與能力迭代是常態(tài)，臨床相關(guān)應(yīng)用也會隨之更新。及時更新的評測體系能夠推動AI技術(shù)在不同領(lǐng)域不斷適應(yīng)新場景，實現(xiàn)技術(shù)革新，為AI新技術(shù)的發(fā)展提供活力。

科學(xué)的迭代周期與緊急響應(yīng)機制保障了評測體系的時效性。常規(guī)的季度或年度迭代允許納入新應(yīng)用場景和數(shù)據(jù)，保持評測體系的活力。而多層分級的響應(yīng)與修訂流程則能妥善應(yīng)對不同的突發(fā)性重大安全事件或政策調(diào)整。其在醫(yī)療這種高風(fēng)險領(lǐng)域至關(guān)重要，能有效降低患者風(fēng)險并保障對AI的監(jiān)管合規(guī)性。

嚴(yán)謹(jǐn)?shù)陌姹咀匪輽C制是評測體系透明度與可信賴性的體現(xiàn)。統(tǒng)一的語義化版本標(biāo)識和完善的歷史版本庫不僅便于用戶追溯評測標(biāo)準(zhǔn)的變化，進行跨周期分析，也為監(jiān)管機構(gòu)進行審查提供了可靠依據(jù)。這種透明化管理證明了評測流程的可審查性與決策可解釋性，極大提升了評測機構(gòu)的專業(yè)性與公正性。同時，它也展示了評測流程的嚴(yán)謹(jǐn)性與責(zé)任感，進而在醫(yī)療AI生態(tài)系統(tǒng)中建立長期信任。

（六） 問題6：醫(yī)療場景下LLMs應(yīng)用效果回顧性評測報告的標(biāo)準(zhǔn)化模板應(yīng)包含哪些必備要素與披露要求？

推薦意見6：建議建立統(tǒng)一規(guī)范的評測報告結(jié)構(gòu)與發(fā)布機制，確保評測結(jié)果的透明性、權(quán)威性和可復(fù)用性。評測報告應(yīng)完整記錄模型基本信息、評測背景與目標(biāo)、評測范圍及應(yīng)用場景，詳述評測數(shù)據(jù)來源與合規(guī)流程，明確采用的定量與定性評測指標(biāo)及其計算方法。報告還應(yīng)介紹評測專家的專業(yè)構(gòu)成與地域分布，系統(tǒng)展示量化結(jié)果并結(jié)合專家定性評價，從準(zhǔn)確性、安全性、實用性等多維度給出綜合結(jié)論。最后，應(yīng)規(guī)范報告的發(fā)布平臺、獲取方式及有效期管理，確保評測成果公開透明并便于持續(xù)更新。［共識度：100%（35/35）］

醫(yī)療場景下LLMs應(yīng)用效果回顧性評測報告的標(biāo)準(zhǔn)化模板應(yīng)包含以下關(guān)鍵要素，以保證評測結(jié)果的透明性、權(quán)威性和可復(fù)用性。

1.模型基本信息與評測背景：報告應(yīng)清晰呈現(xiàn)被評測模型的名稱、版本、開發(fā)者、主要功能，以及評測的目的、范圍和具體應(yīng)用場景，確保讀者對評測對象有全面了解。例如，明確模型是用于輔助診斷、病歷摘要，還是藥物相互作用預(yù)測等特定任務(wù)。

2.評測數(shù)據(jù)來源與合規(guī)：詳細描述評測所用數(shù)據(jù)集的構(gòu)成，包括數(shù)據(jù)量、數(shù)據(jù)類型、版本號、來源，以及數(shù)據(jù)收集和處理過程中的倫理考量與合規(guī)性聲明。特別需要明確數(shù)據(jù)集是否經(jīng)過充分的脫敏處理，是否獲得了患者的知情同意，以及是否符合相關(guān)數(shù)據(jù)安全法規(guī)。

3.評測指標(biāo)與方法：清晰闡述所采用的定量指標(biāo)（如準(zhǔn)確率、召回率、F1值）和定性指標(biāo)（如MOS評分、模型與真人醫(yī)生一致性），并詳細說明其計算方法。對于定性指標(biāo)，需要說明調(diào)查問卷的設(shè)計、樣本選擇及統(tǒng)計分析方法。定量指標(biāo)可以參考“問題2”中的指標(biāo)進行選擇。

4.評測團隊信息：介紹評測團隊組成的專業(yè)背景、職稱和經(jīng)驗，確保評測團隊具有充分的代表性和專業(yè)性。例如評測團隊?wèi)?yīng)包括高年資醫(yī)學(xué)專家、計算機學(xué)專家、倫理學(xué)專家、統(tǒng)計學(xué)專家、法學(xué)專家等。

5.評測結(jié)果與綜合評價：系統(tǒng)展示量化評測結(jié)果，并結(jié)合專家定性評價，從準(zhǔn)確性、安全性、實用性、倫理合規(guī)性等多維度給出綜合結(jié)論。報告應(yīng)明確指出模型的優(yōu)勢與不足，以及潛在的應(yīng)用風(fēng)險與改進建議。報告應(yīng)明確說明評測數(shù)據(jù)集、評測代碼是否開放，以及在何種條件下可以被第三方訪問以進行結(jié)果復(fù)現(xiàn)。

6.報告發(fā)布與更新：規(guī)范報告的發(fā)布平臺、獲取方式及有效期管理，確保評測成果公開透明并便于持續(xù)更新。建立統(tǒng)一的報告版本管理機制，便于用戶追溯和比較不同版本模型的評測結(jié)果。評測報告應(yīng)在權(quán)威平臺發(fā)布，并明確報告有效期，以便用戶獲取最新的評測信息。

本共識作為指導(dǎo)性、非強制性的技術(shù)文件，聚焦醫(yī)療場景下LLMs應(yīng)用效果的回顧性評測，旨在構(gòu)建規(guī)范、科學(xué)的評測框架。我們倡導(dǎo)臨床、科研、產(chǎn)業(yè)及監(jiān)管多方主體協(xié)同參與，共同推進評測體系的持續(xù)完善與優(yōu)化，確保評測方法與指標(biāo)的科學(xué)性、權(quán)威性及實用性。展望未來，回顧性評測將在前瞻性研究及真實世界數(shù)據(jù)的支撐下不斷深化，并逐步探索與前瞻性評估的融合機制，通過雙重路徑共同提升模型評估的廣度與深度。評測內(nèi)容與方法也將持續(xù)拓展，覆蓋智能機器人、全病程數(shù)字健康管理等新興應(yīng)用領(lǐng)域，以期促進AI技術(shù)在醫(yī)療健康體系中的安全、有效及高質(zhì)量應(yīng)用。

本共識制訂專家組成員名單：

指導(dǎo)委員會（按姓名拼音排序）：陳耀龍（蘭州大學(xué)基礎(chǔ)醫(yī)學(xué)院）；董家鴻（北京清華長庚醫(yī)院）；葛均波（復(fù)旦大學(xué)醫(yī)學(xué)院附屬中山醫(yī)院）；魏均民（中華醫(yī)學(xué)會雜志社 醫(yī)學(xué)期刊知識挖掘與知識服務(wù)重點實驗室）

主任委員：王振常（首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院）

專家委員會（按姓氏漢語拼音排序）：常慶（上海交通大學(xué)瑞金醫(yī)院）；陳飛（華為云計算技術(shù)有限公司）；程龍龍（中電云腦（天津）科技有限公司）；董迪（中國科學(xué)院自動化研究所分子影像重點實驗室）；馮曉彬（清華大學(xué)長庚醫(yī)院）；何晶晶（中國社會科學(xué)院國際法學(xué)研究所）；何怡華（首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院）；賀志陽（訊飛醫(yī)療科技股份有限公司）；計虹（北京大學(xué)第三醫(yī)院信息中心）；姜雪（北京大學(xué)第三醫(yī)院）；李楠（北京大學(xué)第三醫(yī)院）；李鵬（中華醫(yī)學(xué)會雜志社醫(yī)學(xué)期刊知識挖掘與知識服務(wù)重點實驗室）；李亞子（中國醫(yī)學(xué)科學(xué)院）；劉冰（中華醫(yī)學(xué)會雜志社 醫(yī)學(xué)期刊知識挖掘與知識服務(wù)重點實驗室）；劉軍偉（螞蟻科技集團股份有限公司）；呂晗（首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院）；閔棟（中國信通院云計算與大數(shù)據(jù)研究所）；齊文安（《數(shù)字醫(yī)學(xué)與健康》編輯部）；沈錫賓（中華醫(yī)學(xué)會雜志社 醫(yī)學(xué)期刊知識挖掘與知識服務(wù)重點實驗室）；盛斌（上海交通大學(xué)）；孫靜（《智慧醫(yī)學(xué)》（英文）編輯部）；孫育杰（北京大學(xué)生命科學(xué)學(xué)院）；王力華（首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院）；王維民（北京大學(xué)醫(yī)學(xué)部 北京大學(xué)醫(yī)學(xué)教育研究所）；王育琴（北京宣武醫(yī)院）；翁建平（安徽醫(yī)科大學(xué)）；吳剛（南京柯基數(shù)據(jù)有限公司）；吳小劍（中山大學(xué)附屬第六醫(yī)院）；肖月（國家心理健康和精神衛(wèi)生防治中心）；許言午（華南理工大學(xué)未來技術(shù)學(xué)院）；閆鵬（深圳市騰訊計算機系統(tǒng)有限公司）；葉哲偉（華中科技大學(xué)同濟醫(yī)學(xué)院附屬協(xié)和醫(yī)院）；尹萬紅（四川大學(xué)華西醫(yī)院重癥醫(yī)學(xué)科）；張成文（北京郵電大學(xué)計算機學(xué)院）；張迪（北京協(xié)和醫(yī)學(xué)院人文和社會科學(xué)學(xué)院）；張鵬?。ū本┽t(yī)院科研處）；張文生（中國科學(xué)院自動化研究所）；張旭東（國家衛(wèi)生健康委醫(yī)院管理研究所）；趙世杰（西北工業(yè)大學(xué)）；趙邑（北京清華長庚醫(yī)院皮膚科）；周少華（中國科學(xué)技術(shù)大學(xué)生物醫(yī)學(xué)工程學(xué)院）；周翔（北京協(xié)和醫(yī)院）；朱寶亮（上海小荷醫(yī)學(xué)檢驗實驗室有限公司）；朱立峰（上海交通大學(xué)醫(yī)學(xué)院附屬瑞金醫(yī)院）；朱祖懿（北京百川智能科技有限公司）。

執(zhí)筆專家：呂晗（首都醫(yī)科大學(xué)附屬北京友誼醫(yī)院）；盛斌（上海交通大學(xué)）

秘書組（按姓名拼音排序）：江澤鏵（清華大學(xué)臨床醫(yī)學(xué)院）；田丙磊（中華醫(yī)學(xué)會雜志社醫(yī)學(xué)期刊知識挖掘與知識服務(wù)重點實驗室）；王凱磊（中華醫(yī)學(xué)會雜志社 醫(yī)學(xué)期刊知識挖掘與知識服務(wù)重點實驗室）；王麗（《數(shù)字醫(yī)學(xué)與健康》編輯部）；王曄（蘭州大學(xué)公共衛(wèi)生學(xué)院）