編譯丨王聰

編輯丨王多魚

排版丨水成文

自 2022 年以來，人工智能（AI）方法的發(fā)展已遠超出其傳統(tǒng)的數(shù)據(jù)分類和預(yù)測能力。大語言模型（LLM）具備邏輯推理能力，這使得它們能夠規(guī)劃和協(xié)調(diào)復(fù)雜的工作流程。通過運用這種規(guī)劃能力，并具備對環(huán)境采取行動的功能，大語言模型可以作為智能體（Agent）運行。智能體是能夠感知、學習并作用于環(huán)境的自主/半自主系統(tǒng)。因此，它們可以與外部知識或外部軟件交互，并在最少甚至無需人工輸入的情況下執(zhí)行系列任務(wù)。

在癌癥研究和腫瘤學領(lǐng)域，AI 智能體能力的證據(jù)正在快速涌現(xiàn)。從自主優(yōu)化藥物設(shè)計開發(fā)，到為臨床病例提出治療策略，AI 智能體能夠處理以往 AI 系統(tǒng)無法解決的復(fù)雜多步驟問題。

然而，盡管發(fā)展迅速，許多轉(zhuǎn)化和臨床癌癥研究人員仍對 AI 智能體的確切能力、局限性以及相關(guān)倫理或監(jiān)管框架缺乏清晰認識。

2026 年 1 月 12 日，德累斯頓工業(yè)大學、亞琛工業(yè)大學、谷歌 DeepMind、斯坦福大學、西班牙拉斐健康研究所及哈佛大學醫(yī)學院的研究人員在 Nature 旗下綜述期刊Nature Reviews Cancer上發(fā)表了題為：Artificial intelligence agents in cancer research and oncology 的研究論文。

該綜述為癌癥研究人員和腫瘤學家提供了AI 智能體的入門指南，作者們闡釋了 AI 智能體如何區(qū)別于傳統(tǒng) AI 系統(tǒng)并實現(xiàn)超越，還探討了 AI 智能體在癌癥研究中現(xiàn)有的和新興的應(yīng)用，并從學術(shù)、臨床和工業(yè)研究的視角探討了其面臨的實際挑戰(zhàn)。

幾年前，讓 AI 系統(tǒng)自主閱讀文獻、設(shè)計實驗、分析數(shù)據(jù)、撰寫科研論文的水平，在臨床中為癌癥患者制定個性化治療方案，匹配臨床試驗...似乎還是個科幻場景，而現(xiàn)在，基于大語言模型（LLM）的AI 智能體（AI Agent）正將這一切變?yōu)楝F(xiàn)實。

什么是 AI 智能體？它與傳統(tǒng) AI 有何不同？

傳統(tǒng) AI 系統(tǒng)通常只能完成單一、特定的任務(wù)，比如識別醫(yī)學影像中的腫瘤或預(yù)測藥物活性。它們?nèi)狈ι舷挛囊庾R，無法與環(huán)境互動，需要人類嚴格指導(dǎo)。

而 AI 智能體是具有“行動能力”的推理引擎。它們能夠感知環(huán)境、制定多步計劃、使用工具，并在最小甚至無需人力干預(yù)下執(zhí)行復(fù)雜的工作流程。

AI 智能體架構(gòu)的類型

AI 智能體在癌癥研究中的革命性應(yīng)用

本質(zhì)上，AI 智能體將大語言模型的推理能力與外部工具相結(jié)合，使其能夠主動獲取信息、分析數(shù)據(jù)并采取行動，而不僅僅是回應(yīng)指令。

自主科研工作流：從創(chuàng)意到發(fā)表的全流程自動化

AI 智能體系統(tǒng)能夠自主完成以下工作：

• 生成研究假設(shè)：通過分析海量文獻，發(fā)現(xiàn)知識空白并提出新穎科學問題；

• 設(shè)計實驗方案：規(guī)劃復(fù)雜的多步實驗，包括計算模擬和藥物設(shè)計；

• 執(zhí)行數(shù)據(jù)分析：調(diào)用專業(yè)工具處理基因組學、影像學等多元數(shù)據(jù)；

• 撰寫科研論文：整合結(jié)果，生成符合學術(shù)規(guī)范的論文手稿。

研究表明，諸如 ResearchAgent 和 BioDiscoveryAgent 等 AI 智能體已能實現(xiàn)這一愿景。更有商業(yè)化的 AI Scientist-v2 生成的論文成功通過了同行評審，標志著全自動科研時代的來臨。

癌癥研究中的 AI 智能體

多智能體協(xié)作系統(tǒng)：虛擬科研團隊的誕生

最令人興奮的發(fā)展是多代理系統(tǒng)的涌現(xiàn)。在這種框架下，不同 AI 智能體扮演特定專家角色——分子生物學家、臨床腫瘤學家、生物統(tǒng)計學家等——通過“辯論”和協(xié)作，模擬人類科研團隊的工作方式。

這種設(shè)計不僅提高了問題解決的全面性，還增強了決策過程的透明度，因為每個 AI 智能體的推理過程都可以被審查。

臨床腫瘤學的 AI 智能體革命

超越診斷：全面患者管理的新范式

在臨床領(lǐng)域，AI 智能體展現(xiàn)出更為廣闊的應(yīng)用前景。它們能夠：

• 整合多源醫(yī)療數(shù)據(jù)：同時分析電子健康記錄、影像學報告、基因組數(shù)據(jù)和最新文獻，形成對患者的全面了解。

• 支持治療決策：例如 TxAgent 系統(tǒng)能夠通過多步推理和實時訪問生物醫(yī)學知識，為癌癥治療提供個體化建議，考慮藥物相互作用、禁忌癥和患者特定因素。

• 自動化匹配臨床試驗：許多癌癥患者因匹配過程低效而錯過最佳治療機會。AI代理可自動分析患者特征，系統(tǒng)評估試驗資格標準，大大提高匹配效率。

整合了多種醫(yī)療數(shù)據(jù)的多智能體框架，用于腫瘤治療決策

醫(yī)學影像分析的質(zhì)的飛躍

在放射學和病理學圖像分析方面，AI 智能體不再滿足于單一任務(wù)的模式識別，而是能夠模擬人類專家的多步推理過程。

例如，在病理學中，代理可以優(yōu)先處理切片、聚焦感興趣區(qū)域、放大這些區(qū)域并綜合發(fā)現(xiàn)，而不是進行一次全面的掃描。這種能力使AI能夠應(yīng)對更復(fù)雜的臨床問題，如根據(jù)肝功能、轉(zhuǎn)移負荷和血管情況評估手術(shù)可行性。

解放醫(yī)生時間：告別繁瑣文書工作

據(jù)統(tǒng)計，醫(yī)療專業(yè)人員有高達一半的時間花費在文書工作上，主要是瀏覽電子健康記錄系統(tǒng)和編譯信息。AI 智能體直接集成到現(xiàn)有系統(tǒng)中，可顯著減少醫(yī)生在文書工作上的時間消耗，讓他們能更多地關(guān)注患者本身。

未來展望：腫瘤學的“智能體化”三步走

作者們預(yù)測，癌癥研究和腫瘤學將經(jīng)歷三個階段的“智能體化”進程：

• 第一階段（當前）：AI 智能體通過類似 ChatGPT 的接口操作，獨立于臨床信息系統(tǒng)，處理用戶明確提供的數(shù)據(jù)。

• 第二階段：AI 智能體深度集成到醫(yī)院基礎(chǔ)設(shè)施和研究數(shù)據(jù)生態(tài)系統(tǒng)中，獲得直接、許可的數(shù)據(jù)訪問權(quán)限，但在人類監(jiān)督框架下運行。

• 第三階段：AI 智能體能夠在操作環(huán)境中自主發(fā)起行動，例如直接控制實驗室機器人進行實驗，或獨立訂購診斷測試。

挑戰(zhàn)與思考：機遇背后的隱憂

盡管前景廣闊，AI 智能體在腫瘤學中的應(yīng)用仍面臨多重挑戰(zhàn)：

• 評估難度：如何準確衡量 AI 智能體在復(fù)雜腫瘤學工作流中的表現(xiàn)？現(xiàn)有的“是-否”答案式評估標準已不適用，需要開發(fā)能捕捉多步推理質(zhì)量的新基準。

• 實施障礙：從研究原型到可持續(xù)臨床工具存在巨大差距。歷史經(jīng)驗表明，許多 AI 項目因工作流集成不佳而失敗。

• 倫理監(jiān)管：自主系統(tǒng)自然比傳統(tǒng)AI模型有更多行動自由，也可能造成更大傷害。確保其穩(wěn)健性、公平性和透明度至關(guān)重要。

• 人類角色：當知識工作者依賴 AI 時，可能存在認知卸載風險——從主動解決問題轉(zhuǎn)變?yōu)楸O(jiān)督驗證。設(shè)計應(yīng)強化而非取代人類判斷。

AI 智能體正迅速從概念證明走向?qū)嶋H應(yīng)用，預(yù)示著癌癥研究和腫瘤學領(lǐng)域的根本性變革。它們解決了傳統(tǒng) AI 系統(tǒng)的局限性——單任務(wù)專注和無法行動的問題。

盡管驗證、監(jiān)管和集成方面的挑戰(zhàn)依然存在，但走向日益自主的 AI 協(xié)作者的軌跡已經(jīng)清晰。我們面對的問題不再是 AI 智能體是否會改變我們的領(lǐng)域，而是如何塑造它們的實施，以最大化效益，同時確保安全并保持對人類要素的關(guān)注。

未來十年，癌癥研究和腫瘤學將不可避免地“智能體化”，研究人員、醫(yī)療專業(yè)人士以及我們的機構(gòu)都需要為這一轉(zhuǎn)變做好準備。

論文鏈接：

https://www.nature.com/articles/s41568-025-00900-0