两个AI模型实现诊断到治疗全面管理

最新一期《自然》杂志放出了一个重磅消息：在自主医疗AI智能体领域，两个独立的AI模型已经能够在疾病管理的多个阶段——从诊断到治疗决策——为医生提供关键协助。这两套系统，分别是德国海德堡大学医院开发的MIRA，以及谷歌团队的AMIE。从当前的表现来看，它们至少已经能与人类内科医生打个平手，甚至在某些方面更胜一筹。这无疑证明了，对话式AI工具在疾病管理这条路上，有着巨大的潜力。

先来说说MIRA。这套系统能直接访问独立电子病历系统中的患者数据，并通过与患者AI智能体的对话来收集信息。研究人员用500多例急诊科的临床真实数据对它进行了评估，结果相当惊人：MIRA的回应与临床记录中记载的病史高度匹配。更厉害的是，它可以从85000多种选项中做出选择，安排诊断检测、解读结果、制定治疗方案，甚至包括开具处方、安排手术和办理入院手续。而它的平均诊断准确率达到了87.8%，相比之下，由六位跨专科医生组成的专家组准确率仅为78.1%。当然，团队也冷静地指出，未来还需要进一步提高准确率，并在真实世界研究中验证它的泛化能力。

再看谷歌的AMIE。这是一个专门为临床管理和对话优化的大语言模型，它的核心能力在于能够对多次就诊的数据进行连续推理，追踪疾病的进展和治疗反应。AMIE利用谷歌Gemini来分析从患者处获取的信息，并确保它的输出结果与当前最新的临床实践指南及药物目录保持一致。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、五个医学专科领域进行了正面较量。结果显示，在管理推理能力上，AMIE与真实医生不相上下；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的表现都优于医生。特别是在最新推出的药物推理基准上，处理疑难病例时，AMIE的表现甚至比人类医生还要好。

总编辑圈点

大型语言模型在临床应用领域，此前已经展现出令人鼓舞的势头，但大多是专攻某个特定任务。而患者的临床管理，显然是一个需要多维度综合能力的系统工程：深入了解病史、审慎安排检查、准确做出诊断、规划治疗方案、确定药物剂量、安排手术进程，甚至在多次就诊中持续监测治疗效果。如果AI智能体能够高质量地执行这些任务，实现有效的全流程管理，那它就能真正成为人类医生的得力助手，扛起那些日复一日的常规工作。这也许，还能为缓解全球多个地区内科医生短缺的问题，提供一个可行的解决方案。