近日，上海交通大学生物医学工程学院医疗机器人研究院金成团队与北京安定医院等机构合作，在人工智能与交叉学科领域顶级期刊《Nature Machine Intelligence》上发表题为“A domain-adapted large language model to support clinicians in psychiatric clinical practice”的研究论文。团队针对全球精神科医疗资源严重短缺、临床决策高度依赖医生经验等痛点，开发了名为PsychFound 的面向精神科医生的领域适应大语言模型。这一模型深度融合了精神科专业知识与真实世界临床经验，不仅在多项精神科专项基准测试中表现卓越，更在真实世界前瞻性队列研究中成功验证了其提升精神科医生诊断准确率、用药规范性及病历书写效率的强大临床应用价值。

PsychFound框架的开发基于一个创新的三阶段方法：首先是领域知识注入，团队构建了包含4000万高质量专业tokens的PsychCorpus数据集，涵盖权威临床指南、经典教材和前沿研究论文，以此对基础大模型进行微调；其次是推理能力增强，利用强化学习（RL）技术专门优化模型在诊断和治疗规划等复杂任务上的临床推理路径；最后是临床任务适配，使用包含42,266例真实住院患者电子病历的PsychClinical数据集进行深度微调，使模型能够无缝对接从问诊、评估到出院随访的全流程精神科临床工作。这三个阶段层层递进，使得PsychFound不仅具备扎实的理论基础，更能像经验丰富的临床医生一样进行动态、多步骤的复杂临床推理。

研究团队通过严谨的回顾性评估和真实世界前瞻性研究验证了PsychFound的性能。在回顾性知识评估中，PsychFound在三项标准化精神科知识测试中取得了96.24%的总体准确率，远超其他通用大语言模型。在专门设计的精神科临床任务基准测试PsychBench中，PsychFound在主诊断、鉴别诊断、用药推荐等五大核心任务上均取得最高分。更重要的是，在一项包含200名患者的两臂前瞻性队列研究中，有PsychFound辅助的住院医师在诊断准确率上达到了72%，显著高于无辅助对照组的41%。此外，辅助组在用药选择准确率上也有显著提升（39% vs. 29%），并且完成病历的时间从平均21分钟大幅缩短至13分钟。在一项由60名不同资历精神科医生参与的盲评研究中，PsychFound的临床综合推理能力被评定为与主治医师水平相当，甚至在禁忌症识别和诊断广度方面展现出超越主治医师的实力。

这项研究的临床价值显著，不仅为缓解全球精神科专业医疗资源短缺提供了极具潜力的可扩展解决方案，还通过提供标准化、循证的临床决策支持，有助于规范精神科诊疗行为，降低医疗差错风险。PsychFound展现了从单一的文本处理工具向全流程临床决策支持系统演进的广阔前景，为下一代医疗人工智能的发展提供了可复制的蓝图。

上海交通大学博士生王若曦、刘抒予，北京安定医院张玲、朱雪泉为该研究共同第一作者，上海交通大学金成、北京安定医院王刚为通讯作者。

论文链接： https://www.nature.com/articles/s42256-026-01224-w

Wang R, Liu S, Zhang L, Zhu X, Huang J, Yang X, Wang Y, Wang H, Yang Z, Yang R, Wang G, Jin C. PsychFound: A domain-adapted large language model to support clinicians in psychiatric clinical practice. Nature Machine Intelligence. 2026.

金成团队致力于多模态数据融合，临床级别的AI 辅助诊疗系统研发与应用。目前在Nature Machine Intelligence、Science Translational Medicine、Nature Communications、Chem（CNS系列期刊16篇），European Heart Journal 、Cancer Discovery、Annals of Surgery（临床综合类）、IEEE-TPAMI、IEEE TIP（工程类）等期刊发表论文60余篇。团队诚挚欢迎对医学人工智能充满热忱、志在推动 AI 技术临床落地的优秀研究者加入。