Nature 正刊 | 医疗AI能完整跑完急诊流程吗？

认知神经科学前沿文献分享

基本信息

Title:Towards autonomous medical artificial intelligence agents

发表时间:2026-06-17

发表期刊:Nature

影响因子:56.1

获取原文:

1. 添加小助手:PSY-Brain-Frontier即可获取PDF版本

研究背景

大语言模型（large language models, LLMs）在医学问答和临床文本处理中已有进展，但急诊决策不是一次回答问题。医生需要问诊、开检查、读结果、诊断、用药、安排程序并决定收治，这些动作通常发生在电子健康记录（electronic health record, EHR）系统内。论文关注的缺口是：医学AI能否在受控EHR环境中执行结构化临床动作，而不只是给出自由文本建议

实验设计与方法逻辑

作者开发医疗推理与行动智能（Medical Intelligence for Reasoning and Action, MIRA），将其放入沙盒化EHR，用574个医疗信息集市重症监护数据库（Medical Information Mart for Intensive Care, MIMIC-IV）急诊病例测试8类诊断。MIRA通过患者agent问诊，并调用11类工具获取体格检查、实验室、微生物和影像信息，再生成诊断、程序、用药和收治建议；系统遵循快速医疗互操作资源（Fast Healthcare Interoperability Resources, FHIR）。研究比较MIRA、4名专科医生和6名混合资历医生，并评估诊断准确率、检查选择、指南一致性（guideline adherence）、用药安全（medication safety）和稳健性

Fig. 1 | MIRA workflow.

核心发现

发现一：患者agent为后续评估提供了可控问诊基础

患者agent对改写问题的回答基本稳定，并与原始现病史（history of present illness, HPI）保持高度一致。常规对话和对抗提示中，研究未观察到提前泄露诊断结论，但这只说明该模拟设置下的问诊材料较可靠，不能代表真实患者沟通的全部复杂性

Fig. 2 中，作者展示了回答一致性、HPI忠实度和信息泄露审计；这一结果提示患者agent可用于本研究的下游MIRA评估

在574个病例中，MIRA相对MIMIC-IV标签的平均诊断准确率为88.9%；在311个病例的头对头比较中为87.8%，高于专科医生队列。它会按病史、体格检查、血液检查、影像、用药、程序和收治推进，但肺炎、尿路感染等类别准确率较低，结果仍限于回顾性病例和受控界面

Fig. 3 中，作者展示了诊断准确率、行动轨迹和检查选择；这一结果说明MIRA执行的是多步骤临床工作流，而非单次医学问答

MIRA在阑尾炎、胆囊炎等场景中较好匹配参考程序，并在总体程序召回上高于专科医生队列。用药指南一致性方面，MIRA在多个类别上优于医生队列，但抗生素等类别未达到完全一致，说明患者层面的监测和校正仍必要

Fig. 4 中，作者展示了程序匹配率和guideline adherence评估；这一结果提示MIRA在治疗建议上有较强对齐度，同时仍存在非零偏差

在56个病例的用药安全筛查中，研究未观察到高严重度药物相互作用、肾功能剂量不匹配、过敏用药不匹配、QT风险用药或不安全阿片处方，但发现3例治疗重复相关问题。收治决策中，肺炎和肺栓塞需要收治病例的召回率均为1.00，不过肺栓塞场景存在偏向过度收治的误差方向

Fig. 5 中，作者展示了medication safety、处方正确性、收治决策和提示扰动实验；这一结果支持其在模拟中的稳健性，但不能等同于真实临床部署安全性

省流总结

这篇Nature论文把医学LLM评估从问答推进到沙盒EHR中的行动流程。MIRA在MIMIC-IV急诊模拟中表现出较高诊断准确率、较强程序建议和用药指南一致性，并通过部分安全筛查；但证据来自回顾性数据和受控模拟，不能证明其可替代医生或直接部署

暑期提升

分享人：天天

审核：PsyBrain 脑心前沿编辑部

你好，这里是「PsyBrain 脑心前沿」

专注追踪全球认知神经科学的最尖端突破

视野直击 Nature, Science, Cell 正刊 及核心子刊与顶级大刊

每日速递「深度解读」与「前沿快讯」

科研是一场探索未知的长跑，但你无需独行。欢迎加入PsyBrain 学术社群，和一群懂你的同行，共同丈量脑与心智的无垠前沿。

点击卡片进群，欢迎你的到来

一键关注，点亮星标 ⭐ 前沿不走丢！

一键分享，让更多人了解前沿