大型语言模型（LLM）在临床应用方面展现出令人鼓舞的发展，但它们往往专攻定义狭窄的任务。患者的临床管理需要多维度的方法，包括深入了解病史、进行适当的检查、做出准确的诊断、规划治疗方案（包括药物和手术）以及在多次就诊中监测治疗结果。如果AI智能体能够执行此类任务并实现有效的管理和推理，它们或许能够协助医生处理常规工作，甚至可能缓解全球某些地区的医生短缺问题。

近日，来自德国和美国的科学家分别报道了自主医疗AI智能体能力方面的进展。它们能够为患者管理从诊断到治疗决策的多个阶段提供协助，其表现堪比内科医生，证明了对话式AI工具在疾病管理方面的协助潜力。

德国海德堡大学医院团队研发出MIRA智能体，该模型可对接独立电子病历调取患者信息，依托500余例急诊科真实病例完成验证。模型通过模拟医患对话采集病史，内容可与原始临床记录精准匹配；同时支持8.5万余项临床操作选择，涵盖检验开单、报告解读、处方开具、手术安排、入院办理等全流程工作。测试数据显示，MIRA平均诊断准确率达87.8％，高于六位多科室医师专家组78.1％的准确率。研究人员表示，该模型仍需持续优化精度，开展大规模实景试验验证通用适配性。

美国加州山景城谷歌研究公司的Mike Schaekermann和同事则介绍了AMIE——一个针对临床管理和对话进行优化的基于LLM的系统。该模型能够对多次就诊数据进行连续推理，从而追踪疾病进展和治疗反应。AMIE利用Gemini分析从患者处获取的信息，并使其输出结果与相关且最新的临床实践指南及药物目录（经批准且临床首选药物的清单）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多个就诊案例场景及5个医学专科领域进行了对比，这些场景旨在反映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》最佳实践指南。在管理推理能力方面，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的表现均优于医生。在最新推出的药物推理基准上，AMIE在处理疑难病例时的表现优于医生。 （据《中国科学报》）