在《自然》杂志的最新一期中，一项关于自主医疗AI智能体能力的研究取得了显著进展。两款独立开发的AI模型，德国的MIRA和谷歌的AMIE，已证明在患者护理的多个环节，从诊断到治疗决策，都能提供关键支持。这些系统目前在表现上至少与人类内科医生不相上下，凸显了对话式AI在疾病管理中的巨大潜力。

由德国海德堡大学医院推出的MIRA，能够接入独立的电子病历系统以获取患者数据。该模型在超过500例急诊科临床案例的真实数据中得到了检验。研究表明，MIRA在与患者AI智能体进行交流并收集信息后，其反馈与临床记录中的病史信息高度吻合。MIRA能够从85000多个选项中进行选择，用于安排诊断性检查、解读检测结果以及制定治疗计划，包括开具处方、安排手术和办理住院手续。其平均诊断准确率达到87.8%，而由六位跨学科专家组成的评审团的准确率为78.1%。研究团队同时指出，未来需要进一步的研究来提升准确性，并在实际应用中验证其通用性。

谷歌团队则带来了AMIE，这是一个为临床管理和对话流程而设计的，基于大型语言模型的系统。该模型能够对跨越多次就诊的数据进行连续推理，从而追踪疾病的演变以及对治疗的反应。AMIE利用谷歌的Gemini技术，解析从患者那里获得的信息，并确保其输出结果与最新的临床实践指南以及经批准的首选药物目录保持一致。

在一项虚拟临床评估研究中，AMIE与21名全科医生在超过100个就诊场景中进行了比较，这些场景覆盖了五个医学专科领域，并依据英国国家卫生与临床优化研究所的指导原则及《英国医学杂志》的最佳实践指南设计。在管理推理能力方面，AMIE的表现与人类医生相当。而在治疗和检查的精确度、对临床指南的遵从度以及基于指南制定管理方案的合理性方面，AMIE均超越了医生。在一项新近推出的药物推理基准测试中，AMIE在处理复杂病例时也表现优于医生。该团队认为，AMIE的出现标志着利用对话式AI工具辅助医生进行疾病管理向前迈出了重要一步。

大型语言模型在临床领域的应用展现出令人期待的发展前景，尽管此前它们往往专注于特定任务。然而，患者的临床管理需要一个多角度的方法，这包括深入理解病史、进行适当的检查、准确诊断、规划治疗方案、确定药物剂量、安排手术流程，以及在多次随访中监测治疗效果。如果AI智能体能够胜任这些任务并实现有效的管理，它们将能够成为人类医生的有力助手，分担日常的常规工作，甚至有可能缓解全球许多地区内科医生短缺的局面。