本文来自微信公众号： 集智俱乐部 ，作者：魏雲初
论文题目：Nature:Towards autonomous medical artificial intelligence agents
论文链接：https://doi.org/10.1038/s41586-026-10675-5
发表时间：2026年6月17日
论文来源：Nature
一、AI诊疗转型困局：
只会答题的大模型，做不了全流程临床执行者
尽管大语言模型（LLMs）已经能够在医疗问答、影像判读、临床推理测试中取得接近甚至超过医生的成绩，医疗领域也涌现出一批能够检索诊疗指南、整理病历、自动生成疾病编码的辅助工具，但它们至今仍难以独立完成一次完整的临床接诊。
原因在于，绝大多数医疗AI仍停留在“被动答题者”阶段：它们擅长回答问题，但这样只能处理零散、割裂的单一诊疗小事，没办法像真实医师一样，在电子病历系统中持续采取行动，从问诊获取病史，到开具检查、整合结果，再到制定治疗方案和安排入院，每一步都需要根据最新信息动态调整决策。换句话说，现有系统大多只能完成某一个孤立环节，而无法贯穿整个诊疗流程。
标准临床诊疗是一套闭环决策流程：医师依托电子健康记录（EHR）持续采集和更新患者信息、开具各类检验影像，在不断获得新证据的过程中形成并修正诊断假设，最终执行药物治疗、手术干预或住院管理。重要的是，这些决策最终都必须转化为电子病历系统中的结构化指令，并通过快速医疗互操作性资源（FHIR）等统一标准完成规范化记录。因此，真正进入医院工作流的医疗AI，不仅要具备临床推理能力，还必须能够持续调用工具、执行操作并动态调整决策——这正是AI智能体（AI Agent）的技术范式。
过往不少研究已经尝试让医疗AI从“回答问题”向“采取行动”靠拢。例如：AMIE等系统显著提升了优化医患对话质量，但仍局限于问诊场景，无法调取病历、开立检查；OpenAI联合企业推出的基层医疗辅助工具虽然能够嵌入临床工作流，却不具备自主操作权限；基于MIMIC-IV数据集的研究开始模拟完整诊疗流程，但由于缺乏与FHIR等通用医疗体系的深度整合，也未覆盖医患沟通、入院用药核对等关键环节，最终普遍认为，现有模型仍难以可靠地自主完成复杂病例管理。
综合来看，医疗AI领域始终存在两大核心空白：其一，缺少能原生嵌入现有EHR体系、真正实现端到端诊疗闭环的自主智能体；其二，尚无研究系统验证AI在沟通、诊断、治疗、入院分流等完整临床链路中的综合性能与安全边界。也就是说，医疗AI面临的真正挑战，从来不是能否回答医学问题，而是能否在真实医院工作流中持续采取行动。
二、全新诊疗体系：
MIRA让医疗AI第一次获得“行动能力”
和只会输出文字建议的传统医疗大模型截然不同，MIRA实现跨越式突破：它不止具备专业临床推理能力，更是首个能在标准化沙盒电子健康记录（EHR）环境自主完成一整套可落地诊疗操作的AI智能体，整套体系包含两大核心技术创新与一套标准化仿真评测底座。
图1｜MIRA工作流程。MIRA是一个自主医疗AI智能体，在EHR沙盒环境中运行，利用一套工具模拟临床工作流程：它能够开具检查、综合结果并生成诊断和治疗方案，同时通过聊天与一个基于真实病例回顾性记录中记录的现病史（HPI）构建的患者AI智能体进行交互。
为填补前述研究空白，研究团队开发了MIRA自主医疗智能体，并基于MIMIC-IV数据库500余例急诊真实病例开展仿真对照试验，试验病种涵盖阑尾炎、胰腺炎、肺炎、胰腺癌等8类常见急诊疾病。
创新1：沙盒隔离EHR运行环境，打通院内系统数据互通
以往绝大多数医疗AI仅能输出自然语言建议，难以真正接入医院电子病历。MIRA搭建独立隔离的沙盒电子病历运行环境，全面兼容FHIR交互协议与ICD、LOINC、SNOMED-CT六大国际通用医疗编码体系，所有诊疗指令均生成标准化、结构化数据，可无缝适配遵循统一标准的院内信息系统，突破了传统医疗大模型“只能建议、无法执行”的局限。
创新2：多工具联动闭环决策，复刻医师分步诊疗逻辑
MIRA内置11类临床工具、85,000余种可执行临床操作，智能体能够自主梳理完整病史、开立解读各类检查、推导鉴别诊断、开具处方、预约手术、规划入院。区别于传统模型单次碎片化答题，这套多工具联动机制让AI模仿真实医师逐步收集信息、动态调整方案，形成首尾贯通的完整诊疗链路。
配套仿真交互底座：保障全部试验结论客观可信
为了尽可能模拟真实问诊场景、规避试验失真，研究还构建了专门的患者仿真智能体。该系统的所有回答严格受真实现病史（HPI）约束，避免模型提前获取患者最终诊断信息，从而降低因后验信息泄露导致的性能高估风险。
大模型测试数据结果表明，这套仿真交互系统具有很高的稳定性：无论问题如何改写，回答内容的一致性、与原始病历匹配度均超99%；即便面对诱导泄露诊断信息的对抗性提问，患者智能体也不会提前披露患者最终诊断结论，为后续人机对照实验提供了一个可信、可复现的评测环境。
严谨人机对照试验设计
研究设置了两组独立的人类医师对照组：4名持证专科医师作为高水准参照组，6名混合资历团队复刻全球普及的德国急诊人力模式（无专职急诊医师，多由轮转低年资医生接诊）。两组医师与MIRA使用完全相同的患者信息输入，从诊断、治疗、用药安全三个维度横向对比综合诊疗水平，从而保证研究结果具有较强的现实参考价值与外部有效性。
三、全链路诊疗能力验证：
四大环节证明MIRA实现医师级完整临床决策
过去的大多数医疗AI只能完成问诊、诊断、开药、手术建议中单一环节，无法连贯走完整套诊疗流程；而在本研究中，研究团队围绕临床决策链的四个核心环节——诊断、检查、治疗和安全，系统评估了MIRA的综合表现。结果显示，MIRA不仅能够像医生一样连续处理急诊病例，还首次在统一实验条件下证明，自主医疗智能体具备完成端到端临床决策的能力。
图2 MIRA的推理轨迹。展示MIRA在每种目标诊断下的决策路径，均以“病史”起始、以“入院”结束。粗黑线为最常见的工具转换路径，边线数字为转换频次；整体流程与人类医生的诊疗顺序高度吻合。自循环箭头表示同一工具的重复调用（如初始影像不可用时改选其他模态）
环节1：初诊诊断——AI判病准确度整体优于临床医师
首先，研究评估了MIRA的诊断能力。以MIMIC-IV数据库中的出院确诊结果作为参考标准MIRA在八类疾病上的平均诊断准确率达88.9%；在进一步的人机对照实验中，MIRA在完全相同的信息条件下取得了87.8%的平均诊断准确率，显著高于持证医师78.1%、基层轮转医师71.1%。其中胰腺炎、阑尾炎识别优势最突出，仅胰腺癌诊断水平与专科医师持平，即便肺炎、尿路感染这类易混淆病症，其识别表现也不弱于人类医师。
图3：a.左图显示基于MIMIC-IV真实数据（n=574）的总体准确率，MIRA对阑尾炎等明确疾病表现优异（148例漏诊2例）；右图为匹配子集（n=311）中MIRA与医师的对比，MIRA准确率显著更高（双侧McNemar检验，P=0.000287），误差线为95%置信区间。b.以阑尾炎为例展示从病史到入院的推理轨迹，粗箭头为主要转换路径，数字为转换次数，循环为重复调用工具（全部轨迹见扩展数据图2）。c.检查选择方面，左图为相对MIMIC-IV基线（100%，n=574）的对比，右图为与医师（n=311）的对比。体格检查以柱状图显示检出比例（误差线为95%置信区间）；微生物、血液及影像检查以点图显示召回率（含中位数、四分位距及须线）。显著性经McNemar检验和Wilcoxon检验评估，多重比较经Holm和Benjamini-Hochberg法校正。
环节2：检查规划——AI遵循循证逻辑，严控高价影像检查
进一步分析MIRA的决策轨迹发现，其检查开具顺序与真实临床工作流高度一致，整体遵循由无创检查逐步过渡到有创干预的诊疗逻辑。相比人类医师，MIRA体格检查覆盖更全面，血液检验指标也更丰富。值得注意的是，尽管MIRA增加了一部分低成本常规化验项目，但并未表现出通过大量开单来换取更高诊断准确率的倾向。研究并未观察到其过度使用CT、MRI等高成本影像检查的现象，这意味着自主医疗智能体未表现出明显的过度医疗风险。此外，MIRA在患者居家长期用药核对任务中的准确率也非常高，能够快速完成药物信息的结构化整理。
环节3：治疗干预——手术、处方决策更贴合临床规范
在治疗决策环节，研究重点评估了MIRA推荐的手术和药物方案与真实临床实践之间的匹配程度。结果显示，MIRA的整体治疗方案与标准临床路径的贴合度显著高于人类医师。例如，在阑尾炎病例中，MIRA对腹腔镜阑尾切除术的推荐匹配率达到100%；总体来看，其外科操作推荐的召回率明显高于医师群体。药物处方层面，MIRA的整体诊疗规范依从性比医师高出35个百分点，尤其在补液、镇痛等标准化治疗场景中表现突出。
不过，MIRA并非完美。与人类医师类似，其抗生素处方仍未达到完全符合指南的水平。这也表明，即便自主医疗智能体具备较高能力，关键治疗决策仍需要保留人工复核机制。
环节4：用药与分流安全——未发现系统性高危医疗风险
医疗AI的最终落地，安全始终是底线。为此，研究团队从药物相互作用、肾功能剂量调整、药物过敏、QT间期延长风险、阿片类药物管控、入院分流多维度，对MIRA开展系统性安全评估。：
结果显示，在56份完整病例中，研究未观察到任何高危用药错误，近500条处方信息准确率接近满分；在入院决策方面，MIRA对肺炎、肺栓塞等高风险患者未出现漏收治情况，仅少量肺栓塞病例存在偏保守收治倾向。此外，研究还进一步测试了性别差异、患者焦虑情绪以及语言障碍等潜在偏倚因素对模型表现的影响。结果显示，在不同干扰条件下，MIRA的诊断性能波动极小，整体表现出较好的鲁棒性和稳定性。
四、落地思考与行业展望：
人机协同新模式，配套监管体系缺一不可
这项研究最重要的意义，并不只是让医疗AI的诊断准确率再次提高，而是第一次证明：AI不再只能单纯输出文字答疑，而开始具备了在医院工作流中持续采取行动的能力。依托沙盒电子病历搭建的MIRA，可以独立走完急诊从问诊、判病、开检查到开药安排入院的完整诊疗链条，诊断、治疗、用药安全多项表现整体优于一线医护，补上了过去所有医疗大模型“只会答题、没法在院内动手操作”的关键短板。同时MIRA主打病历内全流程自动化，如果和擅长实时检索最新医学文献的AMIE类工具搭配，二者能够互相补足，进一步缩小AI决策和临床标准之间的差距。
但即便试验数据表现亮眼，MIRA距离真实临床应用仍有相当长的距离。。首先，整套仿真交互场景全部依托历史病历文字搭建，现实里患者说话含糊、信息前后矛盾、遗漏关键病史的复杂情况，仿真环境没法完全复刻；其次，训练所用MIMIC-IV数据集有流入大模型训练素材的可能性，试验测出的效果或许存在虚高；最重要的一点，MIRA全程仅运行在隔离沙盒环境，从未对接医院真实业务系统，真实病房的复杂突发状况没有经过检验。
除此之外，当AI被赋予自主开立检查、生成处方乃至安排手术和住院的能力时，医疗系统将面临一系列全新的问题。短期应用层面，自主医疗智能体更适合作为医师的协同助手，而非独立诊疗主体。药物核对、检验套餐组合、会诊文书撰写等标准化、重复性任务，可能成为最先落地的应用场景作，从而帮助临床医生减轻繁重的文书负担。
得注意的是，MIRA在资源使用上表现出较强的克制性。研究并未发现其通过大量增加CT、MRI或手术等高成本项目来提升诊断准确率，而主要增加的是低成本常规血液检查。这意味着，自主医疗智能体未表现出明显的过度医疗倾向。未来，如果进一步引入成本约束和资源优化模块，这类系统甚至有可能成为医院优化资源配置的新工具。
长远来看，自主医疗AI的规模化落地，真正的挑战已经不再只是模型能力，而是责任划分与治理体系建设。首先，是人机边界必须被清晰界定：AI可以承担标准化、重复性的诊疗流程，但所有关键决策——包括最终诊断、用药方案、手术安排，都应保留医师强制复核环节，不应允许智能体独立做出最终医疗决策。
其次，风险管控体系需要与技术能力同步演进，针对高危药物、高价值影像检查等关键环节，医院需要建立人工复核、全流程审计和异常预警机制，确保AI的每一次诊疗行为都能够被记录、追踪和解释。与此同时，行业层面也需要逐步建立统一的准入规范、数据安全标准和应急处置机制，为自主医疗智能体进入临床提供制度保障。
归根结底，当医疗AI开始从“知识工具”演变为“行动主体”时，医疗系统需要重新回答一个问题：谁授权AI行动，谁监督AI行动，又由谁为AI的行动负责。只有当人机分工、风险监管和行业标准同步成熟，自主医疗智能体才有可能真正走出实验室，成为缓解医疗资源紧张、缩小区域医疗差距的重要力量。
参考文献
[1]Ferber,D.,Hilgers,L.,Höper,C.et al.Towards autonomous medical artificial intelligence agents.Nature(2026).https://doi.org/10.1038/s41586-026-10675-5.
[2]数据：https://physionet.org/content/mimiciv/2.2/
[3]代码：https://github.com/Dyke-F/MIRA