Cell系列综述：医疗AI智能体，从临床应用，到建立AI智能体医院

编译丨王聪

编辑丨王多鱼

排版丨水成文

医疗 AI 智能体（medical AI agent）代表了医疗保健领域的变革性范式，其自主性、适应性和对复杂任务的决策能力使其区别于传统的人工智能。

2025 年 9 月 26 日，澳门科技大学张康、霍文逊、澳门城市大学印赟、解放军总医院第一医学中心陈香美院士、中山大学肿瘤防治中心骆卉妍等在 Cell 子刊Cell Reports Medicine上发表了题为：A foundational architecture for AI agents in healthcare 的综述论文。

该综述提出了一个基于四大核心组件——规划、行动、反思与记忆的医疗 AI 智能体概念框架，重点考察该框架在关键临床领域的应用——从提升诊断准确率、个性化治疗方案，到指导机器人手术和实现实时患者监测。研究深入分析了实施过程中面临的多重挑战，包括技术集成、临床医生接受度、法规适应性，以及数据隐私和算法偏见等伦理问题。未来发展方向包括向主动式多智能体协作系统的转型，以及具有前瞻性的“AI 智能体医院”概念。尽管这些智能体系统通过提升效率和改善患者预后具有彻底改变医疗服务的巨大潜力，但其成功且公平的落地应用取决于能否克服这些深层次的技术、伦理与监管障碍。

人工智能（AI）正在众多应用领域改变医疗保健行业。“医疗 AI”这一术语广泛涵盖了该领域中人工智能的任何应用，通常指的是为特定孤立任务设计的单一功能算法——例如对医学图像进行分类或从静态数据集中预测患者风险。这些工具虽然强大，但通常缺乏自主性和情境感知能力。

该综述重点关注一种更先进且根本不同的范式：医疗 AI 智能体（medical AI agent）。AI 智能体是自主或半自主运行的智能系统，能够在动态、复杂的环境中做出决策并采取行动。

在医学领域，论文作者们将医疗 AI 智能体定义为围绕四个核心组件构建的自主计算系统——规划（认知处理和决策）、行动（通过各种接口执行）、反思（多模态数据感知和解释）以及记忆（上下文信息存储和检索）。与仅基于孤立数据集运行或执行单一功能的传统的医疗 AI 工具不同，医疗 AI 智能体将这四个组件整合在一起，以在交互过程中保持上下文关联，从积累的经验中学习，并根据不断变化的临床场景调整其行为，从而实现全面且动态的医疗保健支持。它们的核心能力——自主性、适应性和决策能力——使它们能够完成通常由人类执行的任务。

自主性使智能体能够独立运作，无需持续的人工监督，而适应性则确保智能体能够根据不断变化的情况或新数据调整自身行动。决策能力使智能体能够分析数据、评估各种潜在结果，并选择最有效的行动方案以实现特定目标。这些能力由先进的技术提供支持，例如大语言模型（LLM）和视觉语言模型（VLM），这些技术使智能体能够处理和理解人类语言及视觉信息。

语言模型通过解读和生成文本促进复杂问题解决、推理甚至创造性思维，而视觉语言模型则将这些能力扩展到视觉数据，使智能体能够基于图像和视频做出决策。这些技术共同使人工智能代理能够执行需要类人智能和适应性的任务，为广泛的应用奠定了基础。

人类临床医生、传统医疗 AI 与医疗 AI 智能体的比较

临床实践中的 AI 驱动的多智能体系统

从多智能体临床工作流到 AI 智能体医院生态系统

医疗 AI 智能体的发展

医疗 AI 智能体正在通过将先进的决策能力、自主性和适应性融入临床工作流程来改变医疗保健。借助多模态技术和规划、行动、反思和记忆的框架，这些智能体解决了个性化护理、实时监测和预测分析等复杂挑战。这一全面综述为医疗 AI 智能体建立了一个概念框架，通过具体案例研究考察了其当前的应用，这些案例展示了有前景的临床改进，并探讨了关键的实施挑战，包括信息技术集成的复杂性、临床医生采用的障碍以及监管方面的考虑。所呈现的证据表明，医疗 AI 智能体在诸如败血症检测和急诊医学响应时间等领域能够实现显著的临床效益，同时也强调了必须解决的重要局限性和失败案例。未来的发展，包括主动系统、个性化代理和轻量级边缘模型，突出了医疗保健交付向精准、高效和公平的转变。通过促进不同智能体之间的协作并利用前沿技术，AI 智能体在患者护理和改善广泛应用中的健康结果方面具有巨大潜力。然而，成功实施需要仔细关注人机交互设计、持续学习评估以及调整监管框架以适应医疗保健中自主 AI 系统的独特特性。

论文链接：

https://www.cell.com/cell-reports-medicine/fulltext/S2666-3791(25)00447-1