140篇參考文獻，26頁綜述系統梳理醫學智能體的應用、挑戰與機遇

作者丨論文團隊

編輯丨ScienceAI

近年來，大語言模型（LLMs）從被動的文本生成器迅速演化成具備規劃、行動和協作能力的智能體。醫療是高風險場景，如何讓模型為臨床工作提供幫助而不造成傷害，需要全面梳理和審視。

來自中佛羅里達大學（UCF）、賓夕法尼亞大學（UPenn）、斯坦福大學、牛津大學、康奈爾大學等的研究者系統分析了 2022–2025 年發表的 140 余篇醫學智能體論文，撰寫了26 頁綜述，提出統一的分類框架，探討了現有系統如何結合專業知識與外部工具，并總結了跨領域的可遷移設計原則。

論文鏈接：https://d197for5662m48.cloudfront.net/documents/publicationstatus/278360/preprint_pdf/95302cbe90fac3ed4a50efa6430771fc.pdf

AI 智能體論文的快速增長

作者統計了近年來醫療智能體相關論文的數量，發現從 2022 年起該領域呈指數增長，到 2025 年 AI 智能體論文數量已超過純 LLM/VLM 模型的研究。研究焦點由模型本體轉向智能體系統設計與落地應用，這也凸顯了開展這項綜述的必要性。

LLM/VLMs 與智能體論文數量變化圖。

統一的智能體分類框架

文章提出一個新的從三個維度的分類體系，從應用場景、工具使用和自主程度三個維度對醫療智能體進行歸類。通過專家審核的迭代編碼過程，該框架有助于系統地比較不同智能體的結構和功能。下圖展示了這一三個維度分類框架。

醫療 LLM 智能體的三維分類示意圖。

主要功能分類

根據系統所承擔的核心職能，醫療智能體可以分為以下幾類：

• 知識檢索與問答：提供醫學知識、回答臨床問題或患者咨詢，通常結合醫學文獻檢索或知識庫。
• 臨床決策支持：輔助診斷、生成鑒別診斷、推薦治療方案，需要深入推理并由醫師把關。
• 文檔生成與工作流：協助生成病歷摘要、報告或完成任務分配，提高臨床文書效率。
• 患者互動與咨詢：面向患者進行癥狀收集、健康宣教或心理疏導，強調對話的連貫性與共情。
• 研究與發現：面向科研人員進行文獻綜述、假設生成或藥物篩選等任務，加速知識發現。

自主程度分類

按照決策與執行的自主程度，現有醫療智能體可分為：

• 完全自主：可以在預設目標下自行規劃并完成多步任務，如自主查詢數據庫、調用工具并輸出結論，但醫療場景中此類系統尚處于實驗階段。
• 人類在環（半自主）：在執行關鍵決策前由醫護人員審核或確認，是目前最常見的模式；例如由模型生成處方草案后由醫生簽署。
• 被動助手：僅在用戶詢問時輸出答案，缺乏主動規劃能力，類似傳統聊天機器人。

工具與資源整合分類

根據外部資源整合程度，智能體可分為：

• 知識整合型：通過檢索外部知識庫（例如醫學文獻、指南）增強回答的準確性，這種檢索增強生成（RAG）方法在臨床問答中非常常見。
• 工具增強型：利用函數調用或 API 與醫院信息系統、數據庫、計算器等交互，例如自動查詢患者檢驗結果或計算臨床評分。
• 多模態型：能處理圖像、表格或音頻等非文本信息，如讀取放射影像并生成報告，是未來的重要方向。

代表性醫療智能體

綜合三個維度分類后，綜述列舉了大量代表性智能體系統，涵蓋診斷、報告生成、患者咨詢及藥物發現等應用，并按照功能、自治和工具三個維度進行歸類。該匯總表有助于讀者快速了解目前已有的系統生態及各自的技術特點。

關鍵應用領域概覽

作者按照智能體在臨床實踐中的實際用途，總結了五大應用領域，每個領域都包含具體任務和研究案例：

• 醫學影像與放射學：包括生成或匯總放射報告、輔助影像診斷等。例如 GPT?4 在閱讀胸片后生成印象摘要可達到放射科住院醫師水平，但仍需醫生審核。
• 臨床決策支持：助力醫生進行鑒別診斷、治療方案建議、疾病分型等；部分研究通過檢索患者電子病歷和知識庫提出可行的工作流程，但當前系統多為半自動，仍依賴人類決策。
• 文檔自動化與工作流管理：利用大模型自動撰寫病歷、生成出院總結或轉錄醫患對話，減輕醫生的文書負擔。像 “EHR 導航助手” 可以根據語音命令查詢檢驗結果并填充表單。
• 患者互動與康復管理：面向患者的聊天機器人承擔常見問題解答、健康宣教、癥狀監測等，如心理健康支持和慢病管理助手；這些系統特別強調交互性和共情能力。
• 醫學研究與藥物發現：通過分析文獻、提出假設和設計虛擬實驗加速科研，如多智能體合作篩選候選藥物分子，或綜述數百篇文獻以提煉領域新趨勢。

綜述指出，各應用領域的成熟度不一：文檔自動化和知識問答已具備實際部署潛力，而全自動決策和多模態診斷尚處探索階段。

通用智能體架構

在梳理現有工作時，作者總結出一種通用的醫療 LLM 智能體架構：以 LLM 作為核心認知模塊負責任務規劃和推理，外接模塊用于調用臨床數據庫、電子病歷（EHR）API、醫學圖像分析工具等，并通過人類在環機制實現及時糾偏，從而減輕幻覺和偏見帶來的風險。

通用醫療智能體架構示意圖。

核心技術比較

圍繞上述架構，研究者提出了多種實現醫療智能體的關鍵技術。綜述對比了下列幾類方法的優缺點、典型應用和代表系統：

• 提示工程與鏈式思維（CoT）：通過巧妙設計提示或引導模型分步推理，無需額外訓練即可激發模型的邏輯能力，適合問答與摘要任務；但對提示敏感，缺乏外部知識支撐。
• 檢索增強生成（RAG）：結合向量檢索或知識庫，將相關文檔拼接至上下文中再生成回答，可顯著緩解幻覺問題，適用于臨床問答和文獻綜述；局限在檢索質量和知識庫范圍。
• 記憶機制：引入短期和長期記憶模塊，將歷史對話或患者信息存儲并動態調取，提升個性化和連貫性，但需設計合適的檢索和總結策略。
• 工具整合與函數調用：通過 API 調用臨床數據庫、計算器或設備，實現行動能力，如自動生成處方、調用醫學圖像分析；增加系統復雜度并需保證接口安全。
• 多智能體協作：將復雜任務分解給多個專科代理，由主代理協調合作，可提升診斷和決策的可靠性，但需要設計通信和記憶共享機制。

多智能體協作

為應對復雜的臨床工作流程，部分系統采用多智能體合作模式。不同智能體承擔規劃、信息檢索、結果驗證等職責，類似現實中的多學科醫療團隊。文章以 RareAgents 為例，框架通過 “主治醫師” 與專科智能體協同診斷罕見疾病，并通過共享長期記憶和專業工具取得了優于 GPT?4o 的性能。

多智能體工作流示意圖，多個子智能體協作生成醫學影像報告。

記憶機制與人類在環

LLM 的上下文窗口有限，無法直接處理長期的患者互動。綜述討論了外部記憶的幾種實現，例如將對話摘要嵌入向量數據庫，或利用分層記憶模塊，使智能體能在新會話中檢索關鍵歷史信息。以 MaLP 框架為例，短期記憶捕獲最近對話，長期記憶保存患者關鍵事件，從而提供個性化、連貫的建議。

智能體記憶集成示意圖，展示短期和長期記憶幫助 LLM 保持對話上下文。

跨領域啟示

綜述不僅聚焦醫療領域內部的進展，還從教育技術、機器人學和科學發現等相關領域吸取經驗，提出對醫療智能體有啟發意義的策略：

• 教育科技的角色扮演與課程規劃：面向學生的教學代理已經探索了分角色對話和漸進式課程設計，醫療智能體可以借鑒這些策略，通過模擬醫生與患者的對話或制定循序漸進的診療計劃來提升可用性。
• 機器人學的層次規劃與執行：機器人智能體通常將高層任務規劃與低層動作執行分開，例如 PaLM-SayCan 將自然語言指令拆解為可執行的操作序列。類似地，醫療智能體可采用分層決策結構，通過工具調用執行安全受控的操作。
• 科學發現領域的自動實驗循環：化學和材料科學中已出現自動實驗代理，它們能提出假設、設計實驗并分析結果。醫療研究亦可采用類似框架，例如系統地設計臨床試驗方案或自動分析藥物組合。

這些跨學科經驗提醒我們，醫療智能體的發展不應固步自封，而要主動借鑒其他領域成熟的模式與方法，尤其是在任務分解、反饋循環和安全控制方面。

挑戰與前景

綜述全面梳理了醫療智能體的發展瓶頸與機遇，主要挑戰可概括為以下方面：

• 能力廣度與深度的權衡：大模型擅長廣泛主題的淺層知識，但在特定病種或專業任務上往往不如專門模型，需要結合專業模塊或多智能體架構進行補強。
• 數據質量與缺失模態：現實世界的電子病歷往往不完整、不規范，模型必須學會在缺失信息情況下請求補充或表達不確定性，而不能自作主張生成錯誤建議。
• 評估方法與真實世界差距：考試題或合成數據不能代表臨床復雜度，需要通過模擬場景或前瞻性試驗評估智能體對醫生效率和患者結果的影響。
• 事實可靠性與安全：幻覺和不準確回答依然是頑疾，檢索增強、源碼引用和不確定性表達等手段可以緩解，但絕對安全仍未達到。
• 公平性與偏見：訓練數據的社會偏見可能導致智能體對不同人群產生不公平建議，因此需在評測中納入多元患者背景并引入偏差糾正機制。
• 隱私與數據保護：處理患者信息必須符合隱私法規，應采用本地部署、差分隱私和訪問控制等技術避免泄露。
• 監管與倫理責任：缺乏明確的責任分配框架，目前大多數系統要求醫師對智能體建議負責，因此需要可解釋性和合規性設計以支持醫生做出決策。
• 系統集成與實施：將智能體嵌入醫院信息系統涉及技術和人機交互挑戰，需要與臨床團隊協作開發并逐步推廣。
• 未來演進：隨著模型規模和算法進步，一些問題可能緩解，但醫療智能體的可信部署仍有賴于跨學科合作、嚴格驗證和法規引導。

盡管挑戰重重，作者認為醫療智能體在文檔自動化、知識檢索等領域已具備近期應用價值，而完全自主的決策與多模態診斷則是更長遠的目標。未來發展應兼顧技術創新和安全規范，讓智能體在協助而非替代醫生的前提下最大限度發揮作用。

結語

作為醫療 AI 領域的最新綜述，這篇文章提供了全面的知識地圖，將促使產業界、學術界和策略制定者共同推動可信賴的臨床 AI 發展。