本报讯 《自然》6月17日发表的论文介绍了两个独立的人工智能（AI）模型，它们能够为从诊断到治疗决策的多个患者管理阶段提供帮助。这两套系统——MIRA和谷歌的AMIE的表现与内科医生相当，证明对话式AI工具在疾病管理方面具有潜力。

大语言模型（LLM）在临床应用方面展现出令人振奋的进展，但它们往往专攻定义狭窄的任务。患者的临床管理需要多维度的方法，包括深入了解病史、进行适当的检查、做出准确的诊断、规划治疗方案，以及在多次就诊中监测治疗结果。如果AI智能体能够执行此类任务并实现有效的管理推理，它们或许能够协助医生处理常规工作，甚至可能缓解全球某些地区的医生短缺问题。

在一项研究中，德国海德堡大学医院的Jakob Kather和同事介绍了MIRA—— 一个能够访问独立电子病历系统中的患者数据的AI模型。研究人员利用500多例急诊科临床病例的真实世界数据对该模型进行了评估。MIRA可从8.5万多种选项中进行选择，以安排诊断检测、解读结果并制定治疗方案，包括开具处方、安排手术及办理入院手续。其平均诊断准确率达到87.8%，而由6位跨专科医生组成的专家组的准确率仅为78.1%。作者总结指出，未来需要进一步开展研究以提高准确率，并在真实世界研究中验证其泛化能力。

谷歌研究团队的Mike Schaekermann和同事则介绍了AMIE—— 一个针对临床管理和对话进行优化的基于LLM的系统。该模型能够对多次就诊数据进行连续推理，从而追踪疾病进展和治疗反应。AMIE利用谷歌的Gemini分析从患者处获取的信息，并使其输出结果与最新的相关临床实践指南及药物目录保持一致。

在一项虚拟临床检查研究中，AMIE与21名全科医生在100个就诊案例场景及5个医学专科领域进行了对比，这些场景旨在反映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。在管理推理能力方面，AMIE的表现与真实医生相当；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的表现均优于医生。此外，AMIE在处理疑难病例时的表现优于医生。作者指出，AMIE在投入临床护理前仍需进一步完善，但这项研究朝着利用对话式AI工具辅助医生进行疾病管理迈出了重要一步。（赵熙熙）

相关论文信息：https://doi.org/10.1038/s41586-026-10675-5

https://doi.org/10.1038/s41586-026-10764-5