两个AI模型实现诊断到治疗全面管理

最新发表在《自然》杂志上的研究揭示了人工智能在自主医疗领域的重大突破：两个独立的AI模型能够覆盖患者护理的多个环节，从疾病的诊断直至治疗方案的制定。这些由德国MIRA和谷歌AMIE开发的系统，其表现已达到或超越人类内科医生的水平，凸显了对话式AI在疾病管理中的巨大潜力。

德国海德堡大学医院提出的MIRA系统，能够接入独立的电子病历数据。该模型在超过500个急诊科真实临床案例中接受了测试。通过与患者AI进行互动并收集信息，MIRA能够准确匹配病史记录。该模型在85000多项可能的诊断检测、结果解读以及治疗计划（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%，显著高于由六名跨学科专家组成的团队的78.1%。研究团队同时指出，为进一步提升准确性和在真实世界研究中验证其通用性，仍需进行更多探索。

谷歌团队则介绍了AMIE，一个针对临床管理和对话流程优化的大语言模型。该模型能够对跨越多次就诊的数据进行连续推理，从而追踪疾病进展和对治疗的反应。AMIE利用谷歌Gemini分析患者提供的信息，并确保其输出结果与最新的临床实践指南以及药物目录（包含获批且临床首选的药物列表）相符。

在一项虚拟临床检查研究中，AMIE与21名全科医生在超过100个就诊场景中进行了对比，这些场景覆盖了五个医学专科领域，并参考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。在推理能力方面，AMIE与医生表现相当；而在治疗和检查的精确度、对临床指南的遵循程度以及基于指南制定管理方案的合理性上，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。研究团队表示，AMIE是利用对话式AI工具辅助医生进行疾病管理的重要一步，这为未来更高效的医疗服务，甚至在某些地区缓解世界杯直播期间可能出现的医疗资源紧张问题，提供了新的可能性。

大型语言模型在临床领域的应用前景光明，尽管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维度的综合方法，涵盖深入的病史了解、审慎的检查、精准的诊断、周密的治疗规划、精确的药物剂量确定、以及手术进程的安排，并且需要在多次就诊中持续监测治疗效果。如果AI智能体能够承担这些任务并实现有效的管理，它们将成为人类医生的得力助手，分担日常繁重工作，并可能在一定程度上缓解全球范围内内科医生短缺的困境。