作者丨論文團隊

編輯丨ScienceAI

近年來，大語言模型（LLMs）從被動的文本生成器迅速演化成具備規(guī)劃、行動和協(xié)作能力的智能體。醫(yī)療是高風險場景，如何讓模型為臨床工作提供幫助而不造成傷害，需要全面梳理和審視。

來自中佛羅里達大學（UCF）、賓夕法尼亞大學（UPenn）、斯坦福大學、牛津大學、康奈爾大學等的研究者系統(tǒng)分析了 2022–2025 年發(fā)表的 140 余篇醫(yī)學智能體論文，撰寫了26 頁綜述，提出統(tǒng)一的分類框架，探討了現(xiàn)有系統(tǒng)如何結(jié)合專業(yè)知識與外部工具，并總結(jié)了跨領(lǐng)域的可遷移設(shè)計原則。

論文鏈接：https://d197for5662m48.cloudfront.net/documents/publicationstatus/278360/preprint_pdf/95302cbe90fac3ed4a50efa6430771fc.pdf

AI 智能體論文的快速增長

作者統(tǒng)計了近年來醫(yī)療智能體相關(guān)論文的數(shù)量，發(fā)現(xiàn)從 2022 年起該領(lǐng)域呈指數(shù)增長，到 2025 年 AI 智能體論文數(shù)量已超過純 LLM/VLM 模型的研究。研究焦點由模型本體轉(zhuǎn)向智能體系統(tǒng)設(shè)計與落地應(yīng)用，這也凸顯了開展這項綜述的必要性。

LLM/VLMs 與智能體論文數(shù)量變化圖。

統(tǒng)一的智能體分類框架

文章提出一個新的從三個維度的分類體系，從應(yīng)用場景、工具使用和自主程度三個維度對醫(yī)療智能體進行歸類。通過專家審核的迭代編碼過程，該框架有助于系統(tǒng)地比較不同智能體的結(jié)構(gòu)和功能。下圖展示了這一三個維度分類框架。

醫(yī)療 LLM 智能體的三維分類示意圖。

主要功能分類

根據(jù)系統(tǒng)所承擔的核心職能，醫(yī)療智能體可以分為以下幾類：

• 知識檢索與問答：提供醫(yī)學知識、回答臨床問題或患者咨詢，通常結(jié)合醫(yī)學文獻檢索或知識庫。
• 臨床決策支持：輔助診斷、生成鑒別診斷、推薦治療方案，需要深入推理并由醫(yī)師把關(guān)。
• 文檔生成與工作流：協(xié)助生成病歷摘要、報告或完成任務(wù)分配，提高臨床文書效率。
• 患者互動與咨詢：面向患者進行癥狀收集、健康宣教或心理疏導，強調(diào)對話的連貫性與共情。
• 研究與發(fā)現(xiàn)：面向科研人員進行文獻綜述、假設(shè)生成或藥物篩選等任務(wù)，加速知識發(fā)現(xiàn)。

自主程度分類

按照決策與執(zhí)行的自主程度，現(xiàn)有醫(yī)療智能體可分為：

• 完全自主：可以在預(yù)設(shè)目標下自行規(guī)劃并完成多步任務(wù)，如自主查詢數(shù)據(jù)庫、調(diào)用工具并輸出結(jié)論，但醫(yī)療場景中此類系統(tǒng)尚處于實驗階段。
• 人類在環(huán)（半自主）：在執(zhí)行關(guān)鍵決策前由醫(yī)護人員審核或確認，是目前最常見的模式；例如由模型生成處方草案后由醫(yī)生簽署。
• 被動助手：僅在用戶詢問時輸出答案，缺乏主動規(guī)劃能力，類似傳統(tǒng)聊天機器人。

工具與資源整合分類

根據(jù)外部資源整合程度，智能體可分為：

• 知識整合型：通過檢索外部知識庫（例如醫(yī)學文獻、指南）增強回答的準確性，這種檢索增強生成（RAG）方法在臨床問答中非常常見。
• 工具增強型：利用函數(shù)調(diào)用或 API 與醫(yī)院信息系統(tǒng)、數(shù)據(jù)庫、計算器等交互，例如自動查詢患者檢驗結(jié)果或計算臨床評分。
• 多模態(tài)型：能處理圖像、表格或音頻等非文本信息，如讀取放射影像并生成報告，是未來的重要方向。

代表性醫(yī)療智能體

綜合三個維度分類后，綜述列舉了大量代表性智能體系統(tǒng)，涵蓋診斷、報告生成、患者咨詢及藥物發(fā)現(xiàn)等應(yīng)用，并按照功能、自治和工具三個維度進行歸類。該匯總表有助于讀者快速了解目前已有的系統(tǒng)生態(tài)及各自的技術(shù)特點。

關(guān)鍵應(yīng)用領(lǐng)域概覽

作者按照智能體在臨床實踐中的實際用途，總結(jié)了五大應(yīng)用領(lǐng)域，每個領(lǐng)域都包含具體任務(wù)和研究案例：

• 醫(yī)學影像與放射學：包括生成或匯總放射報告、輔助影像診斷等。例如 GPT?4 在閱讀胸片后生成印象摘要可達到放射科住院醫(yī)師水平，但仍需醫(yī)生審核。
• 臨床決策支持：助力醫(yī)生進行鑒別診斷、治療方案建議、疾病分型等；部分研究通過檢索患者電子病歷和知識庫提出可行的工作流程，但當前系統(tǒng)多為半自動，仍依賴人類決策。
• 文檔自動化與工作流管理：利用大模型自動撰寫病歷、生成出院總結(jié)或轉(zhuǎn)錄醫(yī)患對話，減輕醫(yī)生的文書負擔。像 “EHR 導航助手” 可以根據(jù)語音命令查詢檢驗結(jié)果并填充表單。
• 患者互動與康復管理：面向患者的聊天機器人承擔常見問題解答、健康宣教、癥狀監(jiān)測等，如心理健康支持和慢病管理助手；這些系統(tǒng)特別強調(diào)交互性和共情能力。
• 醫(yī)學研究與藥物發(fā)現(xiàn)：通過分析文獻、提出假設(shè)和設(shè)計虛擬實驗加速科研，如多智能體合作篩選候選藥物分子，或綜述數(shù)百篇文獻以提煉領(lǐng)域新趨勢。

綜述指出，各應(yīng)用領(lǐng)域的成熟度不一：文檔自動化和知識問答已具備實際部署潛力，而全自動決策和多模態(tài)診斷尚處探索階段。

通用智能體架構(gòu)

在梳理現(xiàn)有工作時，作者總結(jié)出一種通用的醫(yī)療 LLM 智能體架構(gòu)：以 LLM 作為核心認知模塊負責任務(wù)規(guī)劃和推理，外接模塊用于調(diào)用臨床數(shù)據(jù)庫、電子病歷（EHR）API、醫(yī)學圖像分析工具等，并通過人類在環(huán)機制實現(xiàn)及時糾偏，從而減輕幻覺和偏見帶來的風險。

通用醫(yī)療智能體架構(gòu)示意圖。

核心技術(shù)比較

圍繞上述架構(gòu)，研究者提出了多種實現(xiàn)醫(yī)療智能體的關(guān)鍵技術(shù)。綜述對比了下列幾類方法的優(yōu)缺點、典型應(yīng)用和代表系統(tǒng)：

• 提示工程與鏈式思維（CoT）：通過巧妙設(shè)計提示或引導模型分步推理，無需額外訓練即可激發(fā)模型的邏輯能力，適合問答與摘要任務(wù)；但對提示敏感，缺乏外部知識支撐。
• 檢索增強生成（RAG）：結(jié)合向量檢索或知識庫，將相關(guān)文檔拼接至上下文中再生成回答，可顯著緩解幻覺問題，適用于臨床問答和文獻綜述；局限在檢索質(zhì)量和知識庫范圍。
• 記憶機制：引入短期和長期記憶模塊，將歷史對話或患者信息存儲并動態(tài)調(diào)取，提升個性化和連貫性，但需設(shè)計合適的檢索和總結(jié)策略。
• 工具整合與函數(shù)調(diào)用：通過 API 調(diào)用臨床數(shù)據(jù)庫、計算器或設(shè)備，實現(xiàn)行動能力，如自動生成處方、調(diào)用醫(yī)學圖像分析；增加系統(tǒng)復雜度并需保證接口安全。
• 多智能體協(xié)作：將復雜任務(wù)分解給多個?？拼?，由主代理協(xié)調(diào)合作，可提升診斷和決策的可靠性，但需要設(shè)計通信和記憶共享機制。

多智能體協(xié)作

為應(yīng)對復雜的臨床工作流程，部分系統(tǒng)采用多智能體合作模式。不同智能體承擔規(guī)劃、信息檢索、結(jié)果驗證等職責，類似現(xiàn)實中的多學科醫(yī)療團隊。文章以 RareAgents 為例，框架通過 “主治醫(yī)師” 與專科智能體協(xié)同診斷罕見疾病，并通過共享長期記憶和專業(yè)工具取得了優(yōu)于 GPT?4o 的性能。

多智能體工作流示意圖，多個子智能體協(xié)作生成醫(yī)學影像報告。

記憶機制與人類在環(huán)

LLM 的上下文窗口有限，無法直接處理長期的患者互動。綜述討論了外部記憶的幾種實現(xiàn)，例如將對話摘要嵌入向量數(shù)據(jù)庫，或利用分層記憶模塊，使智能體能在新會話中檢索關(guān)鍵歷史信息。以 MaLP 框架為例，短期記憶捕獲最近對話，長期記憶保存患者關(guān)鍵事件，從而提供個性化、連貫的建議。

智能體記憶集成示意圖，展示短期和長期記憶幫助 LLM 保持對話上下文。

跨領(lǐng)域啟示

綜述不僅聚焦醫(yī)療領(lǐng)域內(nèi)部的進展，還從教育技術(shù)、機器人學和科學發(fā)現(xiàn)等相關(guān)領(lǐng)域吸取經(jīng)驗，提出對醫(yī)療智能體有啟發(fā)意義的策略：

• 教育科技的角色扮演與課程規(guī)劃：面向?qū)W生的教學代理已經(jīng)探索了分角色對話和漸進式課程設(shè)計，醫(yī)療智能體可以借鑒這些策略，通過模擬醫(yī)生與患者的對話或制定循序漸進的診療計劃來提升可用性。
• 機器人學的層次規(guī)劃與執(zhí)行：機器人智能體通常將高層任務(wù)規(guī)劃與低層動作執(zhí)行分開，例如 PaLM-SayCan 將自然語言指令拆解為可執(zhí)行的操作序列。類似地，醫(yī)療智能體可采用分層決策結(jié)構(gòu)，通過工具調(diào)用執(zhí)行安全受控的操作。
• 科學發(fā)現(xiàn)領(lǐng)域的自動實驗循環(huán)：化學和材料科學中已出現(xiàn)自動實驗代理，它們能提出假設(shè)、設(shè)計實驗并分析結(jié)果。醫(yī)療研究亦可采用類似框架，例如系統(tǒng)地設(shè)計臨床試驗方案或自動分析藥物組合。

這些跨學科經(jīng)驗提醒我們，醫(yī)療智能體的發(fā)展不應(yīng)固步自封，而要主動借鑒其他領(lǐng)域成熟的模式與方法，尤其是在任務(wù)分解、反饋循環(huán)和安全控制方面。

挑戰(zhàn)與前景

綜述全面梳理了醫(yī)療智能體的發(fā)展瓶頸與機遇，主要挑戰(zhàn)可概括為以下方面：

• 能力廣度與深度的權(quán)衡：大模型擅長廣泛主題的淺層知識，但在特定病種或?qū)I(yè)任務(wù)上往往不如專門模型，需要結(jié)合專業(yè)模塊或多智能體架構(gòu)進行補強。
• 數(shù)據(jù)質(zhì)量與缺失模態(tài)：現(xiàn)實世界的電子病歷往往不完整、不規(guī)范，模型必須學會在缺失信息情況下請求補充或表達不確定性，而不能自作主張生成錯誤建議。
• 評估方法與真實世界差距：考試題或合成數(shù)據(jù)不能代表臨床復雜度，需要通過模擬場景或前瞻性試驗評估智能體對醫(yī)生效率和患者結(jié)果的影響。
• 事實可靠性與安全：幻覺和不準確回答依然是頑疾，檢索增強、源碼引用和不確定性表達等手段可以緩解，但絕對安全仍未達到。
• 公平性與偏見：訓練數(shù)據(jù)的社會偏見可能導致智能體對不同人群產(chǎn)生不公平建議，因此需在評測中納入多元患者背景并引入偏差糾正機制。
• 隱私與數(shù)據(jù)保護：處理患者信息必須符合隱私法規(guī)，應(yīng)采用本地部署、差分隱私和訪問控制等技術(shù)避免泄露。
• 監(jiān)管與倫理責任：缺乏明確的責任分配框架，目前大多數(shù)系統(tǒng)要求醫(yī)師對智能體建議負責，因此需要可解釋性和合規(guī)性設(shè)計以支持醫(yī)生做出決策。
• 系統(tǒng)集成與實施：將智能體嵌入醫(yī)院信息系統(tǒng)涉及技術(shù)和人機交互挑戰(zhàn)，需要與臨床團隊協(xié)作開發(fā)并逐步推廣。
• 未來演進：隨著模型規(guī)模和算法進步，一些問題可能緩解，但醫(yī)療智能體的可信部署仍有賴于跨學科合作、嚴格驗證和法規(guī)引導。

盡管挑戰(zhàn)重重，作者認為醫(yī)療智能體在文檔自動化、知識檢索等領(lǐng)域已具備近期應(yīng)用價值，而完全自主的決策與多模態(tài)診斷則是更長遠的目標。未來發(fā)展應(yīng)兼顧技術(shù)創(chuàng)新和安全規(guī)范，讓智能體在協(xié)助而非替代醫(yī)生的前提下最大限度發(fā)揮作用。

結(jié)語

作為醫(yī)療 AI 領(lǐng)域的最新綜述，這篇文章提供了全面的知識地圖，將促使產(chǎn)業(yè)界、學術(shù)界和策略制定者共同推動可信賴的臨床 AI 發(fā)展。