两个AI模型实现诊断到治疗全面管理

近期，《自然》杂志刊登了两款自主医疗AI智能体在能力上的重大突破，这两款独立的AI模型能够贯穿患者管理的多个环节，从诊断到治疗决策，提供关键支持。它们分别是德国的MIRA和谷歌的AMIE，其表现已不亚于人类内科医生，验证了对话式AI在疾病管理中的应用前景。

德国海德堡大学医院发布的MIRA，是一个能够接入独立电子病历系统以获取患者数据的AI模型。该模型基于500多例急诊科临床病例的实际数据进行了评估。结果表明，MIRA在与患者AI智能体进行信息交互后，其反馈与临床记录中的病史记载高度吻合。MIRA能够从超过85000个选项中做出选择，以规划诊断测试、解读检测结果并制定治疗计划，包括开具处方、安排手术以及办理入院手续。其平均诊断准确率为87.8%，相较之下，由六位跨专科医生组成的专家组准确率为78.1%。研究团队总结，未来需要进一步研究以提升其准确性，并在实际研究中验证其通用性。

与此同时，谷歌团队推出了AMIE，一个为临床管理和对话流程而优化的、基于大型语言模型的系统。该模型能够对跨多次就诊的数据进行连续推理，从而跟踪疾病的发展和治疗的响应情况。AMIE借助谷歌的Gemini技术，分析从患者处收集的信息，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（包含获批的首选药物清单）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，这些场景涵盖了五个医学专科领域，并参照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。在管理推理能力上，AMIE的表现与真实医生相当；而在治疗和检查的精确度、对临床指南的遵循程度以及依据指南制定的管理方案的合理性方面，AMIE均超越了医生。在最新推出的药物推理基准测试中，AMIE在处理复杂病例时也表现出优于医生的能力。研究团队表示，AMIE代表着利用对话式AI工具协助医生进行疾病管理向前迈出了重要一步。

目前，大型语言模型在临床应用中展现出令人期待的发展趋势，但此前它们多专注于特定任务。然而，患者的临床管理需要一个多角度的综合方法，这包括深入了解病史、进行适当的检查、准确诊断、制定治疗方案、确定药物剂量、规划手术流程，以及在多次就诊中监测治疗效果。如果AI智能体能够胜任这些任务并实现有效的管理，它们将能成为人类医生的得力助手，承担起日常的常规工作，甚至有望缓解全球多地内科医生短缺的现状。