Gemini 3.0 Pro在RadLE v1测试中以51%-57%准确率首次超越放射科规培医生（45%），但仍远低于专家级（83%），标志AI多模态诊断能力重大突破。
就在2025年11月20日，来自印度阿育王大学Koita数字健康中心CRASH实验室，这项标题为《Gemini 3.0 Pro在RadLE v1放射学复杂病例测试中首次超越放射科规培医生》的研究，正式宣告了通用人工智能在医学影像诊断领域迈出了历史性的一步，虽然距离真正的专家级放射科医师还有明显差距，但这次的突破标志着AI从“辅助工具”向“准临床决策者”悄然过渡的开端。
RadLE v1：专为“难啃骨头”设计的放射学终极考场
这项研究使用的测试基准叫作RadLE v1（Radiology’s Last Exam，直译为“放射学的最后一道考题”），这不是普通测试，而是精心构建的一套包含50例高难度、多系统交叉的复杂放射学病例数据集，涵盖CT、MRI和X光片，专门用来模拟放射科医生在真实临床中遭遇的棘手场景，比如那些边界模糊、症状重叠、容易误诊的病例。
研究团队强调：RadLE v1并不是为了“秀AI多聪明”，而是为了暴露AI在高阶诊断推理上的真实短板，过去几个月里，包括GPT-5、Gemini 2.5 Pro、Claude Opus 4.1在内的所有主流大模型，在RadLE v1上的表现统统被放射科规培医生碾压，准确率普遍在30%上下，而规培医生群体平均能答对45%，专家级放射科医生则高达83%，这说明AI距离“靠谱”还有很长的路要走。
Gemini 3.0 Pro 突破临界点：51% vs 45%，首次超越规培医生
然而，就在谷歌悄然上线Gemini 3.0 Pro预览版后，CRASH实验室立刻用完全相同的测试设置——同样的50个病例、同样的提示词、同样的评分标准——再次进行了评估，结果令整个团队震惊：Gemini 3.0 Pro在网页端测试中准确率达到51%，首次超过放射科规培医生的45%。
更令人振奋的是，当通过API调用“高思考模式”并重复三次取平均值后，准确率竟飙升至57%（28.5/50），这不仅是一次数量级的提升，更是一次质的飞跃，这意味着通用大模型首次在复杂医学影像诊断任务中，展现出接近初级执业医师的判断力，虽然距离专家级83%仍有30个百分点的鸿沟，但这个“从规培生以下到规培生以上”的跨越，是AI医疗史上的一个里程碑事件。
从“胡猜乱判”到“结构化推理”：AI诊断逻辑的进化实证
研究团队特意挑选了一个典型病例——急性阑尾炎——来展示Gemini 3.0 Pro与前代模型（如GPT-5）的根本差异，在这个病例中，GPT-5的表现堪称灾难：它连阑尾的位置都搞不清，一会儿说是回结肠套叠，一会儿又怀疑克罗恩病，最后硬生生选了个“小肠套叠”的错误答案，整个推理过程混乱、跳跃、缺乏解剖学基础。
而Gemini 3.0 Pro则像一位受过严格训练的住院医师：它精准定位“右下腹、腰大肌前方、盲肠附近”的阑尾位置，清晰描述“阑尾扩张、壁强化、周围脂肪条索、管腔积液”等关键影像特征，系统排除了黏液囊肿、克罗恩病、肠脂垂炎、憩室炎和输尿管结石等所有鉴别诊断，最终以高度自信给出“急性阑尾炎”的结论，这种从“发散式胡猜”到“聚焦式推理”的转变，正是AI迈向临床实用的核心标志。
三次API复现实验：57%准确率，性能稳定可靠
为了排除偶然性，研究团队没有止步于一次网页端测试，而是通过Google AI Studio的API接口，开启了“高思考模式”，对同一50例数据集进行了三次独立运行，结果分别为29.5分、26分和30分，平均28.5分（57%）。
这一数据不仅高于网页端的51%，更关键的是三次结果高度一致，波动极小，说明Gemini 3.0 Pro的提升不是“抽风式顿悟”，而是模型架构和多模态推理能力的真实进化，这种可重复性是科研可信度的基石，也为未来临床部署提供了初步信心，尽管目前仍远未达到“可独立诊断”的标准，但至少证明了AI在复杂影像解读中的稳定性正在建立。
距离专家仍有30%鸿沟，AI尚不能替代医生
研究团队非常清醒地指出：尽管Gemini 3.0 Pro取得了历史性突破，但它57%的最高准确率与专家放射科医生83%的水平相比，仍有巨大差距，这意味着在真实临床环境中，AI仍会犯下大量错误，尤其是在那些需要整合病史、实验室数据、动态影像序列甚至患者细微表情的超复杂场景中，AI的“单模态局限性”依然明显，CRASH实验室强调，当前阶段的AI定位应是“第二意见提供者”或“筛查加速器”，而非“诊断决策者”，任何跳过人类医生直接使用AI输出做临床决定的行为都是危险且不负责任的，尤其是在涉及手术、放化疗等重大干预时。
AI不会取代医生，但会取代不用AI的医生
这次Gemini 3.0 Pro的突破再次印证了一个趋势：AI在特定高阶认知任务上的进步速度远超预期，放射科作为AI渗透最深的医学领域之一，正站在变革的风口，未来十年，放射科医生的核心竞争力将不再是“看片速度”，而是“如何与AI协同决策”“如何解释AI输出”“如何处理AI的盲区”，那些主动拥抱AI、将其作为思维延伸工具的医生，将获得前所未有的诊断效率和准确性，而拒绝变革者则可能在效率与质量的双重压力下被淘汰，正如研究团队所言：“我们不是在制造替代品，而是在打造增强工具。”