《自然》杂志最新发布的文章揭示了自主医疗AI智能体在能力上的重大飞跃。两个独立的AI模型，德国的MIRA和谷歌的AMIE，已能在患者管理的多个环节提供关键支持，覆盖了从疾病诊断到治疗方案制定的全过程。目前，这两套系统在表现上已能媲美人类内科医生，显示出对话式AI在疾病管理辅助方面的巨大潜力。

海德堡大学医院的MIRA系统能够接入独立的电子病历数据。通过对500多例急诊科临床病例的真实世界数据进行测试，MIRA在与患者AI模拟体进行信息交互后，能够生成与临床记录中病史一致的回应。该模型可在85000多种选项中进行选择，以规划诊断检测、解读结果并制定包括处方、手术安排和入院流程在内的治疗计划。其平均诊断准确率为87.8%，超越了由六位跨专科医生组成的专家组78.1%的准确率。研究团队强调，未来需要进一步研究以提升准确性，并在实际应用中验证其泛化能力。

谷歌方面推出了AMIE，一个为临床管理和对话流程而优化的、基于大型语言模型的系统。该模型能够对跨越多次就诊的患者数据进行连续推理，从而追踪疾病进展和治疗反应。AMIE借助谷歌Gemini分析从患者处获取的信息，并确保其输出结果符合相关且最新的临床实践指南以及药物目录（包含获批且临床首选的药物列表）。

在一项虚拟临床检查研究中，AMIE与21名全科医生在超过100个就诊场景及五个医学专科领域进行了比较。这些场景的设计参考了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》的最佳实践指南。在推理能力方面，AMIE的表现与人类医生相当；而在治疗和检查的精确度、遵循临床指南的程度以及基于指南制定管理方案的合理性方面，AMIE均表现更优。在最新的药物推理基准测试中，AMIE在处理复杂病例时也超越了医生。研究团队指出，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迈出了关键一步。

大型语言模型在临床领域的应用前景令人期待，尽管此前它们多专注于特定任务。然而，患者的临床管理需要综合性的方法，包括详细的病史采集、适当的检查、精确的诊断、周密的治疗计划、准确的药物剂量确定、手术流程的规划，以及在多次随访中监测疗效。如果AI智能体能够胜任此类任务并实现高效管理，它们将能成为医生的得力助手，承担起日常的常规工作，甚至可能缓解全球部分地区内科医生短缺的困境。