两个AI模型实现诊断到治疗全面管理

《自然》杂志最新刊载了一项关于自主医疗AI智能体能力的重要研究成果，两款独立的AI系统在患者管理的全流程中展现出显著能力，覆盖了从诊断到治疗决策的多个关键环节。这两套系统分别是德国的MIRA和谷歌的AMIE，其表现已达到或超越人类内科医生水平，预示着对话式AI工具在疾病管理领域的巨大潜力。

海德堡大学医院研发的MIRA，能够接入独立的电子病历系统以获取患者信息。该模型在500余例急诊临床病例的真实数据中接受了测试。结果表明，MIRA通过与患者AI智能体进行交流并收集信息，其生成的回答与电子病历中的病史记录高度吻合。MIRA能够从超过85000种选项中进行选择，以规划诊断检测、解读结果并制定治疗计划，包括处方开具、手术安排以及入院流程。其平均诊断准确率为87.8%，相较之下，由六名跨学科医生组成的专家组的准确率为78.1%。研究团队强调，未来需要进一步研究以提升其准确性，并在实际应用中验证其通用性。

谷歌团队则推出了AMIE，一个为临床管理和对话而优化的，基于大型语言模型的系统。该模型能够对跨越多次就诊的数据进行连续推理，从而追踪疾病发展和治疗反应。AMIE利用谷歌Gemini分析从患者处获取的信息，并确保其输出结果与相关且最新的临床实践指南以及药物目录（包含批准且临床首选的药物清单）保持一致。

在一项虚拟临床检查研究中，AMIE与21名全科医生在超过100个就诊场景以及五个医学专科领域进行了对比，这些场景的设计参考了英国国家卫生与临床优化研究所的指导意见及《英国医学杂志》的最佳实践指南。在临床推理能力方面，AMIE的表现与真实医生相当；而在治疗和检查的精准度、对临床指南的遵循程度以及基于指南制定管理方案的合理性方面，AMIE均表现优于医生。在最新的药物推理基准测试中，AMIE在处理复杂病例时也优于医生。研究团队认为，AMIE标志着利用对话式AI工具协助医生进行疾病管理向前迈出了重要一步。

大型语言模型在医疗领域的应用已显示出令人振奋的进展，尽管此前它们多专注于特定任务。然而，患者的临床管理是一个多层面的过程，需要深入的病史理解、恰当的检查、准确的诊断、治疗方案的规划、药物剂量的确定、手术进程的安排，以及在多次就诊中对治疗效果的持续监测。若AI智能体能够胜任此类任务并实现有效的管理，将能成为人类医生的有力助手，承担日常的常规工作，甚至有望缓解全球部分地区内科医生短缺的困境。