《自然》杂志近期报道了两项在自主医疗AI智能体能力上的重要突破：两个独立的AI模型，德国的MIRA和谷歌的AMIE，能够为患者提供从诊断到治疗决策等全方位的管理支持。目前，这两个系统在表现上已不逊于人类内科医生，凸显了对话式AI在疾病管理领域的应用潜力。

海德堡大学医院的MIRA系统，能够接入独立的电子病历数据。该系统在500多例急诊科临床病例的真实数据上进行了测试。结果表明，MIRA在与患者AI智能体进行信息交互后，能够准确复述病史，其信息与临床记录一致。MIRA可以从超过85000种选项中选择，用于安排诊断检测、解释结果并制定治疗计划，包括开具处方、安排手术及入院事宜。其平均诊断准确率为87.8%，而由六位跨学科专家组成的团队准确率为78.1%。研究团队建议，未来需进一步研究以提升准确性，并在实际应用中验证其通用性。

谷歌团队开发的AMIE，是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。它能够对跨多次就诊的数据进行连续推理，从而追踪病情发展和治疗反应。AMIE运用谷歌Gemini分析患者提供的信息，并确保其输出结果与最新临床实践指南以及药物目录（包含获批且临床首选的药物清单）保持一致。

在一项虚拟临床检查研究中，AMIE与21名全科医生在100多个就诊场景和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方针及《英国医学杂志》的最佳实践指南。在推理能力方面，AMIE的表现与真实医生相当；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。在最新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。研究团队认为，AMIE代表了利用对话式AI工具协助医生进行疾病管理的重要一步。

大型语言模型在临床领域的应用展现出积极势头，尽管此前多聚焦于特定任务。然而，患者的全面临床管理需要多角度的方法，涵盖深入的病史了解、适当的检查、精准的诊断、治疗方案的规划、药物剂量的确定、手术进程的安排，以及在多次就诊中对治疗效果的监测。如果AI智能体能够胜任这些任务并实现有效的管理，它们将能成为人类医生的得力助手，承担日常的常规工作，甚至有望缓解全球部分地区内科医生短缺的问题。