FDA掏129万美元买一个评审方法：Cognita要用多个大模型组成陪审团，在约100万例检查上给AI写的放射报告判卷
Cognita Imaging获FDA一份129万美元研究合同，测试用多个大语言模型组成陪审团评估人工撰写与AI生成的放射报告，方法将应用于约100万例来自美国队列的患者检查。合同2026年6月22日生效、为期18个月，属监管科学研究，不构成器械上市许可。
FDA掏129万美元买一个评审方法：当AI开始写整份报告，谁来判卷
评审范式趋势 × 产业分析师 ｜ 证据质量视角 × 监管合规专家 ｜ 深度研报
2026年9月16日，Cognita Imaging公开宣布获得FDA一份价值1,294,042美元的固定总价研究合同，用于测试评估AI生成放射报告的新方法。 合同编号75F40126C00035，2026年6月22日生效，运行18个月至2027年12月21日。FDA买的不是一款产品，而是一把尺子：项目名为用于放射学报告评估的虚拟领域专家代理，通过FDA监管科学研究的广泛机构公告计划获得。
129万美元买的是方法，不是许可
这不是一笔采购订单，而是一次方法论投资。 支付的对价换来的不是某款可上市的工具，而是一套用于判断AI生成放射报告质量的评审方法，以及它在异质数据上是否站得住脚。
边界必须先说清：合同资助的是一种评估方法而非销售许可，FDA未承诺将该框架采纳为监管标准。这笔钱买的是证据，不是通行证。对参与方而言，这一区别也决定了姿态：方法研究的产出是可公开复用的评价尺度，而非排他性资产。
时间点本身也提供信息。FDA于2026年8月18日发布生成式AI医疗器械讨论文件，就风险评估、上市前评价、上市后监测与生命周期管理征求意见；而这份合同的生效日期在其之前。监管机构对评价工具的缺口，不是讨论文件发布之后才出现的。
几百例的漂亮结果，撑不起一百万例的真实世界
生成式AI进入放射科的方式是整份报告，而不是单个病灶标签。粒度变了：一份报告可以有无数种等价写法，漏掉一个关键限定词就可能是临床事故，而样本量仅几百例的阅片研究很难覆盖这种长尾，更难回答一个监管真正关心的问题：结论换一家医院还成立吗。
Mosaic Clinical Technologies首席医疗AI官Nina Kottler的表述点明了要害：模型可能在精心挑选的研究中表现强劲，却在另一家医院、不同设备或罕见表现上遇到困难。样本量不是解药，样本结构才是。
Cognita的处理带着实验设计意识。方法将应用于来自美国大型多样化队列的约100万例患者检查，考察不同患者群体、照护场景、影像设备与疾病（含罕见发现）下的表现；团队还将从大数据集中重建较小的验证队列，判断研究纳入病例较少时会遗漏哪些信息。这相当于给既有文献做一次回溯性体检。
陪审团怎么工作：不让一个模型给另一个模型打分
核心机制叫LLMs-as-a-jury，关键不在换谁来评，而在不再由单一评委定音。 它不是让一个语言模型给另一个模型的报告打分，而是比较多个模型的判断，再从分歧与一致中收敛结论。
三个目标彼此咬合：提高评估一致性、降低对任何单一模型倾向的依赖，并识别自动评审能在哪些地方有效延伸专家评估。第三点尤其克制——它默认自动评审是有边界的延伸，而非替代品。
技术底座是Cognita此前的GREEN工具，一个开源工具，用于比较参考报告与AI生成报告并识别具有临床意义的差异。从找出差异到裁决差异，是这份合同要跨越的台阶。前者是比对，后者需要判断责任归属，两者的技术难度与证据要求并不在同一个量级。
三方裁决：AI、陪审团，还是原始报告错了
放射科医生将审查具有临床重要性的分歧，判断问题来自AI生成的报告、语言模型陪审团，还是原始放射科医生报告。把人类专家放在回路的最后一环而不是第一环，是这套方法最务实的地方。
这个三选一的设计藏着一层诚实：原始报告本身也可能出错。参考标准从来不是天然正确的，把它一并纳入裁决，等于承认了评价体系里最大的噪声源。
执行配置也值得记录。项目由Cognita联合创始人、斯坦福大学放射学与生物医学数据科学副教授Akshay Chaudhari主导，联合创始人兼CEO Louis Blankemeier任共同研究者。Cognita是Mosaic Clinical Technologies的全资子公司，后者由Radiology Partners拥有；Radiology Partners称其网络含4000多名放射科医生、服务3400多家医疗机构、年读影像超过5500万例。产业方出数据与场景，监管方出命题，这种组合决定了研究很难只做成一篇漂亮的论文。
冷静观察：用AI评AI，风险不会消失，只会平移
最需要警惕的不是这套方法失效，而是它成功得太快。 若陪审团被当作可无限扩容的专家替代品推广，一致性的提升很可能以牺牲罕见发现的敏感度为代价——一致性不等于正确性，这是任何自动化评审都绕不开的陷阱。
交付物清单透露了对自身局限的清醒。合同交付物包括代码、LLM陪审团构建指南、验证队列对比、经放射科医生裁决的差异研究与局限性文档。局限性单独成文，意味着这套方法预期会被质疑，也必须能被复现——在监管科学的语境里，不可复现的评价工具几乎不具备任何参考价值。
因此期待值应当分层：短期看它能否在约100万例规模上稳定复现专家判断的方向；中期看FDA是否将其写入任何监管科学实践；长期才谈得上影响上市前评价与上市后监测的具体要求。18个月的合同周期，只够回答第一层。
对投资人与产业方而言，这笔约129万美元的合同的信号在方向而非金额：监管科学正在为生成式AI补上评价基础设施，而评价标准的制定者，往往比产品更早拿到话语权。
原文链接：Radiology Partners
千方医数集编辑部 出品
