医疗场景下大语言模型应用效果回顾性评测专家共识（2025版）
大语言模型（Large language models，LLMs）基于海量文本数据训练，已在自然语言理解与生成方面展现出强大能力，其在医疗场景中的应用涵盖疾病筛查、辅助诊断、健康管理等多个环节，成为推动智能医疗发展的重要力量。近年来，我国积极推动人工智能（AI）与医疗健康的融合，政策端鼓励企业突破医疗大模型、多模态数据融合等关键技术，应用端加速向健康管理、精准医疗等场景延伸，逐步构建起覆盖预防、诊断、治疗、康复的全周期智能医疗服务体系。然而，随着LLMs在医疗领域的广泛应用，相关评测标准缺失、方法不统一的问题日益突出。为此，《医疗场景下大语言模型应用效果回顾性评测专家共识（2025版）》围绕医疗场景下LLMs的回顾性评测构建了系统化评测框架，提出了科学的评测指标体系、标准与流程，旨在为模型评测机构、提供方与应用方提供清晰、可操作的指导规范。该共识有助于统一评测方法，提升评测的科学性，推动LLMs在医疗场景中的安全、有效应用，助力AI赋能医疗，实现高质量发展。
