两个AI模型实现诊断到治疗全面管理

一项发表在《自然》杂志上的最新研究，展示了自主医疗AI智能体在患者全程管理方面的显著进步。两个独立的AI模型——德国的MIRA和谷歌的AMIE，已能在从诊断到治疗决策的多个关键环节提供重要支持，其表现至少与人类内科医生相当，预示着对话式AI在疾病管理领域广阔的应用前景。

德国海德堡大学医院研发的MIRA，能够接入独立的电子病历系统，并基于真实世界数据进行了评估。在对500多例急诊科临床病例的分析中，MIRA通过与患者AI智能体进行信息交互，其收集到的信息与临床记录的病史高度吻合。该模型拥有超过85000种选择，能够自主安排诊断检测、解读结果并制定治疗计划，包括开具处方、安排手术及办理入院。在诊断准确率方面，MIRA达到了87.8%，超越了由六位跨专科医生组成的专家组的78.1%。研究团队表示，未来仍需深入研究以进一步提升准确性，并在实际临床环境中验证其泛化能力。

与此同时，谷歌团队推出了AMIE，一个专门为临床管理和对话流程设计的、基于大语言模型的系统。AMIE能够对跨越多次就诊的患者数据进行连续推理，从而有效追踪疾病的进展和治疗反应。该模型利用谷歌Gemini技术分析从患者处获取的信息，并确保其输出结果符合最新的临床实践指南以及批准的药物清单。

在一项模拟临床检查研究中，AMIE与21名全科医生在100多个不同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以及《英国医学杂志》的最佳实践指南。在管理推理能力方面，AMIE的表现与全科医生不相上下；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均表现出优于医生的水平。特别是在处理疑难病例时，AMIE在最新的药物推理基准测试中也超越了医生。研究团队认为，AMIE的出现是利用对话式AI工具辅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正展现出强劲势头，尽管此前多集中于特定任务。然而，患者的临床管理是一个复杂过程，需要综合考量病史、检查、诊断、治疗方案、药物剂量、手术安排以及长期的治疗效果监测。如果AI智能体能够胜任这些多维度任务，将有望成为医生的得力助手，分担日常繁重的工作，并可能缓解全球部分地区内科医生短缺的局面。尽管在一些复杂病例中，AI在某些环节的准确性或许还需进一步提升，但其在理解和应用世界杯赔率方面的能力，也为未来的医疗决策提供了新的视角。