GPT5看X光片超越医生医学多模态AI超越人类
GPT-5的多模态能力，已经强到比医生还会看X光片了。
来自埃默里大学医学院的一项研究显示：GPT-5在医学影像推理准确率比人类医生高出24.23%，理解力更是领先29.40%。
怎么测试的？
研究团队找来了GPT-5、GPT-4o以及两个轻量版模型（GPT-5-mini、GPT-5-nano），在三个标准测试上展开对比：
1. USMLE：美国医师执照考试，纯文本问答，考察基础知识与临床推理；
2. MedXpertQA：4460道题目，包含文本+影像的多模态医学知识与推理测试；
3. VQA-RAD：医学图像问答，测试图像理解与文字生成能力。
结果显示，GPT-5全面胜出，尤其在MedXpertQA的多模态子集中，推理和理解力分别领先GPT-4o近30%，全面超越人类专家。
为什么GPT-5这么强？
团队认为关键在于GPT-5的“原生多模态架构”：
- 不再像GPT-4o那样依赖图像→文字→再推理的流程；
- 而是将图像、文本统一编码处理，通过共享向量空间与跨模态注意力机制，实现感知、理解与推理的闭环。
这样，GPT-5就能直接把图像中的细节和医学知识结合起来分析，推理链更完整，信息损耗更小。
在像USMLE Step 2这样需要“多步推理”的任务中，GPT-5还能结合“思维链提示”，表现出超强的临床决策能力。
但它能代替医生吗？
目前还不行。研究团队也特别指出：
- 实验场景是标准化测试题，和真实医院里患者情况千差万别不同；
- 在一个真实世界的医学影像挑战中（含X光、CT、MRI），GPT-5的表现依然比不上实习医生，更别说有经验的放射科专家。
医生们也表示：“AI确实进步很快，但要真正落地诊室，还早得很。”
感兴趣可查阅论文原文：arxiv.org/abs/2508.08224
