两个AI模型实现诊断到治疗全面管理

《自然》杂志最新一期报道了自主医疗AI智能体能力方面的重大突破：两款独立的AI模型已能从诊断到治疗决策，全面协助患者管理。这两套系统，分别是德国海德堡大学医院的MIRA和谷歌公司的AMIE，其表现已能媲美人类内科医生，凸显了对话式AI在疾病管理中的应用潜力。

MIRA，由德国海德堡大学医院开发，能够读取独立的电子病历数据。该模型在超过500例急诊科真实病例中接受了检验。研究表明，MIRA通过与患者AI模拟体互动并收集信息，其反馈能与电子病历中的病史记录相符。MIRA在85000多项诊断检测、结果解读和治疗方案制定（包括处方、手术安排和入院流程）中进行选择。其平均诊断准确率为87.8%，超越了由六位跨专科医生组成的专家组78.1%的准确率。研究团队强调，未来需进一步研究以提升准确性，并在实际应用中验证其泛化能力。

谷歌团队发布的AMIE，是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。该模型能够对多次就诊数据进行连续性推理，从而追踪病情进展和治疗效果。AMIE利用谷歌Gemini分析患者信息，并确保其输出结果与最新的临床实践指南和药物目录（包含获批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100多个就诊场景中进行了对比，涵盖了五个医学专科领域，这些场景模拟了英国国家卫生与临床优化研究所的指南及《英国医学杂志》的最佳实践。在推理能力方面，AMIE的表现与全科医生相当；而在治疗和检查的精确度、遵循临床指南的程度以及基于指南制定管理方案的合理性方面，AMIE均优于医生。在最新的药物推理基准测试中，AMIE在处理复杂病例时也超越了医生。研究团队认为，AMIE是利用对话式AI工具协助医生进行疾病管理的重要一步。

大型语言模型在临床领域的应用前景广阔，尽管以往多专注于特定任务。然而，患者的临床管理涉及多方面考量，包括病史深入理解、适度检查、精准诊断、治疗方案规划、药物剂量确定、手术进程安排，以及在多次就诊中对治疗效果的监测。若AI智能体能够胜任此类任务并实现有效管理，将能成为人类医生的有力助手，承担日常重复性工作，并可能缓解部分地区内科医生短缺的压力。