AI代理進入醫學：MIRA和AIME兩大模型能力擴展

近日，兩篇發表在《自然》雜誌上的研究將自主AI代理（agentic AI）引入了醫療領域，標誌着人工智能從簡單的診斷支持向全面患者管理的跨越。這兩個系統分別名為MIRA（由德國Jacob Kather團隊開發）和AIME（由Google的Mike Schaekermann團隊開發），它們展示了AI在急診和門診場景中端到端處理醫療任務的能力。

MIRA系統嵌入在醫院電子健康記錄系統中，通過患者和AI醫生兩個代理進行交互。在500個真實急診病例中，MIRA能夠查詢病史、體格檢查結果，並自主決定實驗室檢查、影像學檢查、用藥、手術以及住院收治。結果顯示，MIRA的整體診斷準確率為87.8%，而由四位委員會認證醫生組成的對照組為78.1%。在特定疾病如胰腺炎（95.2% vs 78.6%）和闌尾炎（100% vs 88%）中優勢更為明顯。MIRA在治療方面同樣表現出色，正確選擇腹腔鏡闌尾切除術等手術的比例為53.5%，優於醫生的38.3%。此外，MIRA用藥99.8%符合適應症和安全要求，並減少了不必要的影像學檢查。

AIME系統則專注於門診患者的長期管理，採用對話代理（快速系統1思維）和管理代理（慢速系統2思維）的雙代理架構。該系統在100名患者的三次隨訪（每次間隔約2天）中，與21名初級保健醫生進行了對比。通過集成細化（Ensemble Refinement）技術，AIME能在約80秒內綜合四種治療方案形成共識。結果顯示，AIME在管理推理方面不劣於醫生，在第三次隨訪時，其管理計劃評分達98%（醫生81%），治療精確度95%（醫生67%），指南依從性100%（醫生86%）。AIME還開發了新的藥物管理基準RxQA，在藥物選擇、劑量、療程等方面均優於醫生。

然而，研究者也指出了明顯的侷限性。兩個系統均為純文本模型，無法處理非語言交流、影像學資料等真實醫療中的重要信息。測試數據來自“乾淨”的現有數據集，而真實醫療往往數據不完整且相互矛盾。MIRA的交互限於20輪對話，AIME使用患者演員而非真實患者。此外，MIRA只涉及8種病症，AIME僅覆蓋5個專科。

儘管存在這些侷限，研究仍然展示了AI在填補醫療空白方面的潛力。MIRA在診斷和治療方面的準確率提升令人印象深刻，且其不受經濟激勵影響的特性導致更合理的資源使用。AIME的長期記憶和高效性則優於當前美國醫療體系。值得注意的是，AI對指南的嚴格遵守雖然提高了一致性，但也可能削弱個體化的人文醫療。

作者Eric Topol指出，隨着大型語言模型的快速進步，未來可能會出現數百個專門化代理。這些研究標誌着在模擬環境下邁出了重要一步，但要證明臨牀價值，仍需進行隨機對照試驗，比較AI全程管理、人類醫生單獨管理以及兩者結合三種策略的效果。