在一项双盲虚拟研究中，Google的清晰医疗智能探索者（Articulate Medical Intelligence Explorer，AMIE）总体上与初级保健医生表现相当，并在多项管理推理指标上优于医生，但研究人员警告称该系统仍处于实验阶段，在真实临床护理中尚未经过测试。
发表在《自然》杂志加速文章预览版的一项Google最新研究，描述了基于大型语言模型（LLM）的研究型人工智能系统AMIE在模拟多就诊疾病管理推理方面的潜在临床价值。
背景
基于大型语言模型的人工智能系统在临床环境中显示出越来越大的潜力，不仅能够准确诊断，还能以自然、富有同理心的对话方式收集病史，帮助与患者建立可信关系。
尽管已有多种AI模型用于诊断推理，但它们在多就诊疾病管理方面的能力，如监测疾病进展、跨多次临床就诊的治疗反应以及安全处方药物等，在很大程度上仍未得到充分探索。
位于美国加州的Google DeepMind和Google Research的一组研究人员，评估了AMIE的能力，这是一种在对话式诊断任务上表现达到医生水平的基于LLM的研究型AI系统，在随时间推移的疾病管理中的表现。
为了提升AMIE在管理推理方面的能力，研究团队开发了一个基于LLM的代理系统，包括一个用于同步文本聊天患者对话的富有同理心的对话代理，以及一个执行更广泛推理时推理并交叉引用最新临床实践指南和药物处方的管理推理代理。
AMIE的疾病管理版本利用了Gemini模型的长上下文能力，以跟踪随访就诊中的纵向患者数据。
为了评估药物推理能力，研究团队开发了RxQA，这是一个从两个国家药物处方集（OpenFDA和英国国家处方集）衍生的多项选择题基准，由认证药剂师验证。
研究团队随后进行了一项随机、双盲、虚拟客观结构化临床考试研究，将AMIE与21名初级保健医生在100个多就诊案例场景中的多就诊疾病管理推理能力进行比较，这些场景设计用于反映英国国家卫生与临床优化研究所（NICE）指南和《英国医学杂志》（BMJ）最佳实践临床实践指南。
关键发现
比较分析显示，AMIE在总体管理推理方面不劣于初级保健医生，并且在三次就诊中，其治疗计划的适当性和治疗建议得分均显著高于医生。
除治疗精确性外，AMIE在推荐检查方面的精确性也显著高于医生，且这一优势贯穿三次就诊。
在至少一次就诊中，AMIE在避免重大错误、提供适当的随访建议以及避免不适当治疗方面得分显著高于医生。
关于临床指南的使用，AMIE和医生在选择适用指南方面得分相似且都很高。然而，AMIE在推荐与指南一致的治疗和检查方面得分显著高于医生，并且在明确将建议基于指南引用方面表现更好。
为比较药物推理准确性，研究团队使用了低难度和高难度问题基准（RxQA）以及"开卷"和"闭卷"设置。"开卷"设置允许AMIE和医生搜索相关信息。在"闭卷"设置中，医生和AMIE都无法访问外部知识资源。
比较分析显示，获取外部药物信息对医生和AMIE都有益。然而，AMIE在"开卷"和"闭卷"设置中，对难度更大的问题的表现均优于医生。
研究意义
该研究强调了基于LLM的研究型AI系统AMIE作为多就诊疾病管理未来工具的潜力。研究结果表明，AMIE可以在各种疾病管理推理挑战中表现出与医生相似甚至更好的质量。
全球医疗系统正经历日益加剧的护理碎片化，这意味着患者的护理分散在多个医生、场所或系统之间，彼此之间几乎没有或根本没有信息共享。这种护理碎片化与慢性病患者的发病率恶化相关。基于当前发现，Google研究团队认为AMIE未来可能作为碎片化医疗系统中的连续性支点，无论是独立工作还是与医生合作。
研究团队还认为，经过严格的临床测试，此类系统可以解决由全球医生可用性短缺和不平等、医生职业倦怠以及日益复杂的患者群体造成的日益增长的未满足临床需求。
然而，该研究是在模拟的、文本聊天咨询中与训练有素的患者演员进行的，并非在真实临床护理中进行，作者表示AMIE尚未准备好用于临床。这些场景是为评估而构建的，病例组合不能代表常规初级保健，研究也没有测试对患者结果的影响。
AMIE所展现的能力反映了LLM在临床对话和推理方面的快速进步。最先进LLM的快速改进可能有助于缓解当前的局限性，如虚构（生成错误、误导性或完全编造的回应），这在临床医学中构成相当大的风险。
总体而言，该研究展示了Google的AMIE研究系统从对话式诊断AI向多就诊疾病管理推理系统的演变。尽管该模型系统已使用管理推理的全局测量进行了测试，但研究人员敦促将其视为测量管理推理的第一步，并强调需要未来工作以全面、定量的方式探索医疗AI系统的推理轨迹。
期刊参考：
Liévin V. 等. 2026. 迈向疾病管理的对话式人工智能. 《自然》. DOI: 10.1038/s41586-026-10764-5
【全文结束】