自然》期刊刊载德国MIRA与谷歌AMIE模型临床评估结果 表现达人类内科医生水平

最新一期《自然》杂志披露自主医疗AI智能体在临床辅助领域的研究进展。德国研究团队与谷歌公司分别开发的MIRA与AMIE模型，在完成多维度疾病评估后，展现出与人类医师相近的临床辅助能力。

多阶段临床辅助路径

这两款模型覆盖患者全面管理的多个关键环节。系统功能贯穿疾病筛查、症状诊断至后续治疗方案制定。自主医疗AI智能体指代具备独立执行医疗信息处理能力的算法系统，对话式AI工具则强调通过自然语言交互完成信息传递。该机制将传统线性诊疗流程转化为多节点协同支持。

当前表现至少已与人类内科医生相当

技术验证与应用指向

MIRA与AMIE系统在此次期刊研究中独立接受评估。两者均依托对话式人工智能技术，专注于疾病管理场景的辅助决策。相关数据验证了交互型医疗算法在复杂临床路径中的可行性。该进展为医疗机构引入自动化辅助工具提供了实验依据，推动诊疗流程向数字化协作方向演进。

• 研究载体为德国MIRA与谷歌AMIE两套独立模型
• 功能覆盖从初期诊断到后期治疗决策的完整周期
• 技术实现路径依赖对话式交互与自主推理机制

德国与谷歌团队发布临床AI模型MIRA与AMIE 诊断准确率分别达87.8%与临床指南基准

德国海德堡大学医院与谷歌研究团队近期相继公开两项应用于临床医疗场景的人工智能系统。相关模型通过真实就诊数据与虚拟病例对照测试，展示了在病史收集、诊断制定及疾病管理跟踪方面的自动化能力。

MIRA系统实现急诊病例数据匹配

海德堡大学医院开发的MIRA模型具备访问独立电子病历系统中患者数据的权限。该模型通过500多例急诊科临床病例的真实世界数据进行评估。系统通过与患者AI智能体进行对话收集信息，其回应与临床记录中记载的病史相匹配。

系统可从85000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%。

AMIE模型强化连续推理与指南对齐

谷歌团队则介绍了AMIE，一个针对临床管理和对话进行优化的基于大语言模型的系统。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Gemini分析从患者处获取的信息，并使其输出结果与相关且最新的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多个就诊案例场景及五个医学专科领域进行了对比。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》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。在最新推出的药物推理基准上，AMIE在处理疑难病例时的表现优于医生。

数据比对与专业名词解析

由六位跨专科医生组成的专家组准确率仅为78.1%。

独立电子病历系统指隔离存储患者就诊记录与诊疗数据的数字化档案库。患者AI智能体指通过自然语言交互采集症状信息并映射至医学节点的自动化程序。临床实践指南指由权威机构制定的标准化诊断与干预操作规范。

MIRA模型87.8%的准确率较六人专家组高出9.7个百分点。相关模型在真实世界中的泛化能力验证，将直接推动对话式人工智能工具在医生疾病管理流程中的实际部署。

团队总结指出，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。上述成果标志着利用对话式AI工具辅助医生进行疾病管理迈出了重要一步。