《自然》期刊近日报道了两项在自主医疗AI智能体能力上的突破性进展：两款独立研发的AI模型，在患者管理的全流程中均展现出关键能力，其应用范围覆盖了从疾病诊断到治疗决策的各个环节。这些系统，即德国的MIRA和谷歌的AMIE，其表现已能比肩人类内科医生，有力证明了对话式AI工具在疾病管理领域可发挥的辅助作用。

由德国海德堡大学医院开发的MIRA，能够接入独立的电子病历系统以获取患者数据。该模型在一项涉及500多例急诊科临床案例的真实数据评估中，通过与患者AI进行对话并收集信息，其反馈与临床记录中的病史信息高度吻合。MIRA能够从超过85000个选项中进行选择，以安排诊断检测、解读相关结果，并制定包括处方、手术安排及入院流程在内的治疗计划。其平均诊断准确率高达87.8%，超越了由六位跨专科医生组成的专家组78.1%的准确率。研究团队表示，未来的工作将侧重于进一步提升准确率，并进行真实世界研究以验证其泛化能力。

谷歌团队则推出了AMIE，一个为临床管理和对话交互而优化的、基于大语言模型的系统。该模型能够对跨越多次就诊的数据进行持续推理，从而跟踪疾病的进展以及患者对治疗的反应。AMIE通过利用谷歌的Gemini技术分析从患者处获取的信息，并确保其输出结果与最新的临床实践指南以及批准使用的首选药物目录保持一致。

在一项虚拟临床检查研究中，AMIE与21名全科医生在超过100个就诊场景及五个医学专科领域进行了比较。这些场景的设计参照了英国国家卫生与临床优化研究所的指导方针以及《英国医学杂志》的最佳实践指南。在管理推理能力方面，AMIE的表现与人类医生相当；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的管理方案的合理性方面，AMIE均表现更优。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。该团队认为，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已显现出积极的发展趋势，尽管此前其应用多集中于特定任务。然而，患者的全面临床管理需要多方面考量，包括深入的病史分析、恰当的检查、准确的诊断、周密的治疗方案规划、精确的药物剂量确定、以及手术和住院流程的安排，并需要在多次随访中监测治疗效果。若AI智能体能够胜任此类任务并实现有效的管理，将能成为人类医生的得力助手，承担日常的常规工作，甚至有望缓解全球多地内科医生短缺的局面。