AI代理进入医学：MIRA和AIME两大模型能力扩展

近日，两篇发表在《自然》杂志上的研究将自主AI代理（agentic AI）引入了医疗领域，标志着人工智能从简单的诊断支持向全面患者管理的跨越。这两个系统分别名为MIRA（由德国Jacob Kather团队开发）和AIME（由Google的Mike Schaekermann团队开发），它们展示了AI在急诊和门诊场景中端到端处理医疗任务的能力。

MIRA系统嵌入在医院电子健康记录系统中，通过患者和AI医生两个代理进行交互。在500个真实急诊病例中，MIRA能够查询病史、体格检查结果，并自主决定实验室检查、影像学检查、用药、手术以及住院收治。结果显示，MIRA的整体诊断准确率为87.8%，而由四位委员会认证医生组成的对照组为78.1%。在特定疾病如胰腺炎（95.2% vs 78.6%）和阑尾炎（100% vs 88%）中优势更为明显。MIRA在治疗方面同样表现出色，正确选择腹腔镜阑尾切除术等手术的比例为53.5%，优于医生的38.3%。此外，MIRA用药99.8%符合适应症和安全要求，并减少了不必要的影像学检查。

AIME系统则专注于门诊患者的长期管理，采用对话代理（快速系统1思维）和管理代理（慢速系统2思维）的双代理架构。该系统在100名患者的三次随访（每次间隔约2天）中，与21名初级保健医生进行了对比。通过集成细化（Ensemble Refinement）技术，AIME能在约80秒内综合四种治疗方案形成共识。结果显示，AIME在管理推理方面不劣于医生，在第三次随访时，其管理计划评分达98%（医生81%），治疗精确度95%（医生67%），指南依从性100%（医生86%）。AIME还开发了新的药物管理基准RxQA，在药物选择、剂量、疗程等方面均优于医生。

然而，研究者也指出了明显的局限性。两个系统均为纯文本模型，无法处理非语言交流、影像学资料等真实医疗中的重要信息。测试数据来自“干净”的现有数据集，而真实医疗往往数据不完整且相互矛盾。MIRA的交互限于20轮对话，AIME使用患者演员而非真实患者。此外，MIRA只涉及8种病症，AIME仅覆盖5个专科。

尽管存在这些局限，研究仍然展示了AI在填补医疗空白方面的潜力。MIRA在诊断和治疗方面的准确率提升令人印象深刻，且其不受经济激励影响的特性导致更合理的资源使用。AIME的长期记忆和高效性则优于当前美国医疗体系。值得注意的是，AI对指南的严格遵守虽然提高了一致性，但也可能削弱个体化的人文医疗。

作者Eric Topol指出，随着大型语言模型的快速进步，未来可能会出现数百个专门化代理。这些研究标志着在模拟环境下迈出了重要一步，但要证明临床价值，仍需进行随机对照试验，比较AI全程管理、人类医生单独管理以及两者结合三种策略的效果。