70万次医生评估，99.1%安全通过率。OpenAI 亮出 ChatGPT 医疗版底牌，直接打通 Epic 电子病历和 9 个官方数据源。
这事对做医疗 AI 落地的团队是个明确信号。大模型进医院，卡点从来不是参数规模，而是数据合规和上下文拼接。OpenAI 这次没卷模型跑分，而是把工程重心放在了 EHR 系统的 API 对接和权限隔离上。
- Epic EHR 集成：支持双向交互，既能在 ChatGPT 查病历，也能在 EHR 界面直接调 AI。
- 9 大官方数据源插件：直连 PubMed、DailyMed 等，解决医疗数据溯源和幻觉问题。
- 企业级合规：支持 BAA 协议、RBAC 权限和审计日志，满足 HIPAA 要求。
EHR 集成与数据源打通的工程实现
OpenAI 这次提供的 Epic 集成支持两种部署模式。第一种是 EHR context in ChatGPT，把授权的患者信息拉进 ChatGPT 界面，用于审查病史和准备门诊。第二种是 ChatGPT in the EHR workflow，在支持的部署中直接把 AI 嵌进 EHR 界面，医生不用跳出患者图表就能用 AI 辅助。这种设计省去了医生在多个系统间复制粘贴的麻烦。
在数据源方面，Healthcare Public Data plugin 提供了 9 个官方公共医疗数据源的专用连接器，包括 ClinicalTrials.gov、CMS Coverage、RxNorm、DailyMed 和 PubMed。团队可以直接针对特定记录、字段和版本进行查询。比如药学团队能用 DailyMed 确认最新药品标签，人群健康团队能把糖尿病预防相关的研究、活跃试验和 Medicare 覆盖信息整合到一个有来源支撑的视图里。
对于技术决策者，评估这套方案不能只看 API 文档。你需要重点考察两个工程指标：一是数据拉取的延迟，EHR 系统通常响应慢，ChatGPT 的流式输出能否掩盖后端 EHR 查询的阻塞；二是上下文窗口的 Token 消耗，完整病历拉入 ChatGPT 会迅速吃掉 Token 配额，必须配合 RAG 做截断和摘要，否则单次调用的成本会直接超标。
70 万次评估背后的数据拆解
OpenAI 联合了 60 个国家、49 种语言、26 个医学专科的数百名医生参与评估。到目前为止，这些医生已经审查了超过 700,000 个反映真实世界医疗问题的模型响应。在针对 27 个临床用例（包括诊前审查、临床时间线、药物审查和交接总结）的 4,363 次评分中，99.1% 的响应被评为安全。
在另一项独立的两轮评估中，医生审查了基于美国大型医疗数据集的数百个微妙临床问题响应。在测试的 5 个连接数据源中，超过 93% 的响应被评为“良好”或更高的准确性。
看到 99.1% 的安全评分，先别急着全量上线。这里的“安全”是指模型没有输出明显的医疗禁忌或致命错误，但不代表临床有效性。在真实部署时，失败条件往往出现在边缘用例：比如患者同时服用多种存在隐性相互作用的药物，或者罕见病的非典型症状描述。模型在标准 27 个用例里表现好，不代表能处理长尾并发症。必须保留人工复核环节，把 AI 当作初筛工具而不是最终决策者。
获取方式与合规配置
ChatGPT for Healthcare 提供了一个受治理的工作区，结合了基于角色的访问控制、单点登录和审计日志。在签订适用的业务关联协议（BAA）后，客户可以在同一个工作区使用 ChatGPT Work、Codex、应用和插件，以支持符合 HIPAA 合规的工作流。同时，工作区还支持 Microsoft SharePoint、Google Drive、Salesforce 和 Slack 等企业系统插件，扩展批准的业务上下文。
具体的开通路径分为三类：ChatGPT for Healthcare 客户需要让工作区管理员启用 EHR 集成和 Healthcare Public Data plugin。ChatGPT Enterprise 客户需要联系 OpenAI 账户团队，确认其 Regulated Workspace 的资格和正确配置。对于美国符合条件的个人 ChatGPT for Clinicians 用户，可以自行安装 Healthcare Public Data plugin，但 EHR 集成不对个人账户开放。
官方销售与配置咨询链接：
从工程落地角度看，医疗 AI 的核心壁垒正在从“模型懂医学”转移到“系统懂流程”。OpenAI 把 ChatGPT 嵌进 Epic，实际上是让 AI 充当了医院现有 IT 架构的一个中间件。对于国内做医疗信息化的团队，这套思路很有参考价值：不要试图让医生去适应一个新的 AI 界面，而是把 AI 能力无感塞进他们每天用的 HIS 系统里。同时，BAA 和 HIPAA 合规是硬门槛，数据不出域、权限细粒度控制是拿单的底线。想接入这套体系，先把你们现有的数据清洗和权限隔离方案做扎实，否则连测试环境的准入都拿不到。
看完想聊两句？
你现在主力跑什么医疗大模型？显存多少？处理长病历速度多少 tok/s？
往期推荐
- ·七万条消息协调，一千二百个智能体越权拿权限
- ·10美元测DeepSeek，代码能跑却像胶带粘的小丑车
- ·36亿美元收购背后，OpenAI按结果收费
点击公众号头像 → 历史消息，可翻阅以上文章
