65
分享 
全文概要
Google Research 与 Google DeepMind 近日公布其研究型医疗 AI 系统 AMIE 的最新进展：基于 Gemini 和 Project Astra 的多智能体架构，AMIE（Video）首次在模拟实时临床视频问诊中达到专家级水平。在随机化客观结构化临床考试（OSCE）中，其首选诊断命中率达 91%（对照组基层医生为 77%），并在病史采集、临床推理、治疗计划等核心维度获得评估者认可。
1. 三个异步智能体："快"与"谨慎"兼得
实时问诊存在天然矛盾：患者希望立刻得到自然回应，而严谨的临床推理需要时间。AMIE 的解法是把工作拆给三个异步协作的智能体：
- Talker：负责面对患者，低延迟理解对话与视频并生成语音回应，优化平均轮次延迟至数秒量级；
- Planner：后台维护症状摘要、鉴别诊断、管理计划与下一步追问目标；
- Perception：持续处理音频和视频，把咳嗽、语速、表情、姿态、动作等线索记录进长期状态。
论文报告，这套设计把平均对话轮次延迟从此前架构的 21.4 秒降到 2.6 秒。团队还发布了远程医疗可行的音视频线索分类学，涵盖心肺、腹部、头颈、神经/精神、肌骨等领域，驱动了系统开发与自动评估。
2. 核心结果：在"看与察"上拉开差距
核心研究是一项多臂随机化 OSCE，覆盖 100 个临床场景、15 名专业病人演员，AMIE（视频版）、纯文本 AMIE 与 10 名经认证的基层医生（视频）共同参与，20 名独立基层医生按既定评分表评估。
结果（AMIE 视频版 vs 医生组）：总体病例特定评分 83% vs 68%；首选诊断命中率 91% vs 77%；临床推理 90% vs 76%；病史采集 86% vs 78%；治疗计划 79% vs 67%。差距最大的是"体格观察与检查"维度（74% vs 47%）——这正是纯文本系统无法捕捉的维度。视频版也优于纯文本版（83% vs 75%），病人演员在沟通有效性、便利性与"被理解感"上更偏好视频版。
3. 边界与意义：从"回答问题"到"实时观察推理"
需要清醒看待的是：这仍是受控环境下的研究，病人由专业演员扮演，病例范围、评估标准与流程均经设计；论文也明确列出对精细解剖位置、微妙情绪变化和高频动作判断不稳定等局限，医生还被要求关闭摄像头以减少评估偏差。
但其真正突破在于，把医疗 AI 从"会回答医学问题"推进到"能在时间连续的真实互动中观察和推理"。短期最合理的落点不是替代医生，而是成为问诊前后的"前置助手"——提前采集症状与视频线索、提示补充问题、整理结构化病史，并把高风险情况优先交给医生处理。AMIE 仍属研究系统，尚需真实患者研究验证。预印本：arXiv:2608.09861。
来源：
声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。
- 全文概要
- 1. 三个异步智能体："快"与"谨慎"兼得
- 2. 核心结果：在"看与察"上拉开差距
- 3. 边界与意义：从"回答问题"到"实时观察推理"
