线上炒股配资国产医疗大模型登顶权威榜单！核心秘籍：PB级训练数据、模拟医生真实会诊过程

智东西2月13日报道，2月7日线上炒股配资，中文医疗大模型评测平台MedBench公布最新多模态大模型评测榜单，数坤科技的数坤坤多模态医学大模型V3以63.6分拿下第一。

在榜单中，V3的表现超过微医、云知声旗下医疗行业大模型，以及OpenAI、、阿里千问旗下通用大模型。

数坤科技成立于2017年，根据官方信息，数坤科技已陆续推出超100款数字医生产品组合，其产品已在超过5000家公立医院和超1000家体检机构日常高粘性使用，其中包括90%的Top 100医院和目标公立三甲医院。

数坤科技创始人兼董事长毛新生透露，该模型的性能提升得益于其训练数据与训练策略。数坤科技深耕医疗领域8年，已经积累了PB级医疗专业数据。在训练策略上，研究人员采用医学MDT（多学科会诊）式训练策略，让模型像人类专家会诊一样，对同一病种的影像特征、病理报告、临床指标进行深度关联学习。

一、两大细分指标拿下第一，更贴近临床医生水平

数坤科技2025年6月正式发布数坤坤多模态医学大模型V3，其参数规模为72B。根据数坤科技公众号，V3具备更接近人类临床专家的系统化、逻辑化诊疗思维链，能胜任如鉴别诊断、个体化治疗等复杂真实任务。

此次V3登顶的MedBench来头也不小。

MedBench由上海AI实验室发起，基于医学权威标准，评估大语言模型、多模态大模型及智能体在医疗领域的能力。2026年1月，上海AI实验室发布了MedBench 4.0，并称这是全国首个且唯一面向垂直模型、专业模型和应用场景的医疗大模型评测与验证体系。

该榜单考验的是模型能够在影像信息、文字描述之间完成稳定的跨模态关联，并顺利完成多项需要综合理解的医疗任务。

榜单中列出了医疗视觉感知与文本提取、跨模态语义理解与推理、临床决策支持与推理三大细分指标。

V3在医疗视觉感知中排名第一，该指标主要考验模型对医学影像、医疗文档的识别、定位与病灶检测能力，模型需要从X光、CT等医学影像中识别病灶，以及从病历、检查报告中提取关键医疗信息。

跨模态语义理解与推理考察的是模型对影像、文本等多模态信息的统一表征与关联推理能力，V3同样拿下了第一。

在临床决策支持与推理中，V3的表现仅次于微医医疗大模型。这一模块检验的是模型在掌握医学知识基础上，模拟临床医生进行诊疗决策的能力。

V3在MedBench拿下综合能力第一，从基础的感知理解，到深度的跨模态推理，再到最终的临床决策，三大能力在多模态大模型应用于医疗领域中环环相扣。

对于此次模型登顶，数坤科技CTO郑超称，大模型在评测榜单上的得分越高，越能说明其在医疗领域的应用能力更接近临床医生水平，但不能唯分数论。

二、PB级医疗数据、MDT式训练，要让模型学会医生真实看病过程

数坤科技在训练大模型时，其核心在于从设计、训练到评测，始终围绕真实医疗问题的形成逻辑展开，使不同模态的信息能够按临床路径被理解和使用。

真实医疗场景中，医学信息往往是连续的、多序列的，且存在不完整、不确定的情况，基于这一痛点，数坤科技在训练数据的积累、训练策略的选择上进行了优化。

首先在模型训练的数据上，数坤科技创始人兼董事长毛新生透露，数坤科技已经和全球上千家医院合作，积累了大量的医疗专业数据，其训练数据规模已经达到了PB级别。

其次在训练方式上，该公司采用的策略是“医学MDT（多学科会诊）式训练策略”。郑超称，简单来说就是让大模型模拟医生的看病过程。

医生在临床诊疗中，会综合分析多模态检查数据，例如查看CT时会结合不同层面的影像，分析核磁时则会参考DCE、DWI、T1WI等不同序列的图像，再结合患者的病史、主诉等临床信息，形成对病情的综合判断。大模型的训练过程，正是对这一真实诊疗逻辑的模拟，通过学习如何整合、解读各类医学影像序列与临床文本信息，逐步掌握类似医生的病情分析与决策思路。

郑超补充说，数坤科技的模型不是简单地把图像和文本拼在一起，而是让模型像人类专家会诊一样，对同一病种的影像特征、病理报告、临床指标进行深度关联学习。

他们直接以病种、检查路径和临床决策流程为主线，让不同模态的信息在模型中形成可协同使用的结构。这也对应着数坤科技要做“最懂医疗的AI”的目标，让模型能够按照医学问题本身的结构来组织和理解信息。

三、8年深耕医疗赛道，数坤已积累海量真实医疗数据

当下，AI医疗赛道的热度飙升，蚂蚁集团旗下AI健康助手蚂蚁阿福，去年12月成为中国首个跻身AI App前五的健康类AI，大模型独角兽百川智能连发多款医疗大模型，刷新行业SOTA。

V3此次登顶，得益于其在AI医疗领域的积累。

根据官方资料，数坤科技曾全球首创“数字人体技术平台，并且是国内唯一覆盖影像全模态的AI企业，其已经渗透到放射、超声、手术等领域。

不同于通用模型，医疗大模型想要长期稳定的应用在医疗领域难度颇高。

毛新生提到了两大技术难点，首先在训练中需要让大模型多方位了解某一疾病的相关医学数据；其次是尽量减少模型输出的幻觉。

这是因为，每一个疾病从预防、筛查、干预、诊断、治疗、康复的全生命周期会涉及到大量的医学专业知识，对大模型输出错误的容忍度极低，因此这对大模型企业提出了非常高的要求，需要医学和AI领域知识的双重积累。

因此，数坤科技的团队中有大量具备医学背景的研发人员，他们对肺结节的CT影像特征与病理报告的细胞形态描述对应有深入理解，并且能快速了解冠脉CTA的狭窄程度如何与患者的心电图变化关联。

深耕医疗领域8年的数坤科技，从计算机视觉到当下大模型的应用，已经在AI医疗领域积累了大量客户与实际落地案例。

计算机视觉在医疗领域的早期应用，主要围绕CT、核磁、超声等医学影像数据展开，而多项关键技术的首次落地，均由数坤科技率先推动。毛新生称，数坤科技不仅是业内首个将三维神经网络用于医学图像处理的企业，也是最早从心脏领域切入并实现技术突破的医疗AI公司。