Nature系列综述：AI智能体重塑癌症研究与治疗

编译丨王聪

编辑丨王多鱼

排版丨水成文

自 2022 年以来，人工智能（AI）方法的发展已远超出其传统的数据分类和预测能力。大语言模型（LLM）具备逻辑推理能力，这使得它们能够规划和协调复杂的工作流程。通过运用这种规划能力，并具备对环境采取行动的功能，大语言模型可以作为智能体（Agent）运行。智能体是能够感知、学习并作用于环境的自主/半自主系统。因此，它们可以与外部知识或外部软件交互，并在最少甚至无需人工输入的情况下执行系列任务。

在癌症研究和肿瘤学领域，AI 智能体能力的证据正在快速涌现。从自主优化药物设计开发，到为临床病例提出治疗策略，AI 智能体能够处理以往 AI 系统无法解决的复杂多步骤问题。

然而，尽管发展迅速，许多转化和临床癌症研究人员仍对 AI 智能体的确切能力、局限性以及相关伦理或监管框架缺乏清晰认识。

2026 年 1 月 12 日，德累斯顿工业大学、亚琛工业大学、谷歌 DeepMind、斯坦福大学、西班牙拉斐健康研究所及哈佛大学医学院的研究人员在 Nature 旗下综述期刊Nature Reviews Cancer上发表了题为：Artificial intelligence agents in cancer research and oncology 的研究论文。

该综述为癌症研究人员和肿瘤学家提供了AI 智能体的入门指南，作者们阐释了 AI 智能体如何区别于传统 AI 系统并实现超越，还探讨了 AI 智能体在癌症研究中现有的和新兴的应用，并从学术、临床和工业研究的视角探讨了其面临的实际挑战。

几年前，让 AI 系统自主阅读文献、设计实验、分析数据、撰写科研论文的水平，在临床中为癌症患者制定个性化治疗方案，匹配临床试验...似乎还是个科幻场景，而现在，基于大语言模型（LLM）的AI 智能体（AI Agent）正将这一切变为现实。

什么是 AI 智能体？它与传统 AI 有何不同？

传统 AI 系统通常只能完成单一、特定的任务，比如识别医学影像中的肿瘤或预测药物活性。它们缺乏上下文意识，无法与环境互动，需要人类严格指导。

而 AI 智能体是具有“行动能力”的推理引擎。它们能够感知环境、制定多步计划、使用工具，并在最小甚至无需人力干预下执行复杂的工作流程。

AI 智能体架构的类型

AI 智能体在癌症研究中的革命性应用

本质上，AI 智能体将大语言模型的推理能力与外部工具相结合，使其能够主动获取信息、分析数据并采取行动，而不仅仅是回应指令。

自主科研工作流：从创意到发表的全流程自动化

AI 智能体系统能够自主完成以下工作：

• 生成研究假设：通过分析海量文献，发现知识空白并提出新颖科学问题；

• 设计实验方案：规划复杂的多步实验，包括计算模拟和药物设计；

• 执行数据分析：调用专业工具处理基因组学、影像学等多元数据；

• 撰写科研论文：整合结果，生成符合学术规范的论文手稿。

研究表明，诸如 ResearchAgent 和 BioDiscoveryAgent 等 AI 智能体已能实现这一愿景。更有商业化的 AI Scientist-v2 生成的论文成功通过了同行评审，标志着全自动科研时代的来临。

癌症研究中的 AI 智能体

多智能体协作系统：虚拟科研团队的诞生

最令人兴奋的发展是多代理系统的涌现。在这种框架下，不同 AI 智能体扮演特定专家角色——分子生物学家、临床肿瘤学家、生物统计学家等——通过“辩论”和协作，模拟人类科研团队的工作方式。

这种设计不仅提高了问题解决的全面性，还增强了决策过程的透明度，因为每个 AI 智能体的推理过程都可以被审查。

临床肿瘤学的 AI 智能体革命

超越诊断：全面患者管理的新范式

在临床领域，AI 智能体展现出更为广阔的应用前景。它们能够：

• 整合多源医疗数据：同时分析电子健康记录、影像学报告、基因组数据和最新文献，形成对患者的全面了解。

• 支持治疗决策：例如 TxAgent 系统能够通过多步推理和实时访问生物医学知识，为癌症治疗提供个体化建议，考虑药物相互作用、禁忌症和患者特定因素。

• 自动化匹配临床试验：许多癌症患者因匹配过程低效而错过最佳治疗机会。AI代理可自动分析患者特征，系统评估试验资格标准，大大提高匹配效率。

整合了多种医疗数据的多智能体框架，用于肿瘤治疗决策

医学影像分析的质的飞跃

在放射学和病理学图像分析方面，AI 智能体不再满足于单一任务的模式识别，而是能够模拟人类专家的多步推理过程。

例如，在病理学中，代理可以优先处理切片、聚焦感兴趣区域、放大这些区域并综合发现，而不是进行一次全面的扫描。这种能力使AI能够应对更复杂的临床问题，如根据肝功能、转移负荷和血管情况评估手术可行性。

解放医生时间：告别繁琐文书工作

据统计，医疗专业人员有高达一半的时间花费在文书工作上，主要是浏览电子健康记录系统和编译信息。AI 智能体直接集成到现有系统中，可显著减少医生在文书工作上的时间消耗，让他们能更多地关注患者本身。

未来展望：肿瘤学的“智能体化”三步走

作者们预测，癌症研究和肿瘤学将经历三个阶段的“智能体化”进程：

• 第一阶段（当前）：AI 智能体通过类似 ChatGPT 的接口操作，独立于临床信息系统，处理用户明确提供的数据。

• 第二阶段：AI 智能体深度集成到医院基础设施和研究数据生态系统中，获得直接、许可的数据访问权限，但在人类监督框架下运行。

• 第三阶段：AI 智能体能够在操作环境中自主发起行动，例如直接控制实验室机器人进行实验，或独立订购诊断测试。

挑战与思考：机遇背后的隐忧

尽管前景广阔，AI 智能体在肿瘤学中的应用仍面临多重挑战：

• 评估难度：如何准确衡量 AI 智能体在复杂肿瘤学工作流中的表现？现有的“是-否”答案式评估标准已不适用，需要开发能捕捉多步推理质量的新基准。

• 实施障碍：从研究原型到可持续临床工具存在巨大差距。历史经验表明，许多 AI 项目因工作流集成不佳而失败。

• 伦理监管：自主系统自然比传统AI模型有更多行动自由，也可能造成更大伤害。确保其稳健性、公平性和透明度至关重要。

• 人类角色：当知识工作者依赖 AI 时，可能存在认知卸载风险——从主动解决问题转变为监督验证。设计应强化而非取代人类判断。

AI 智能体正迅速从概念证明走向实际应用，预示着癌症研究和肿瘤学领域的根本性变革。它们解决了传统 AI 系统的局限性——单任务专注和无法行动的问题。

尽管验证、监管和集成方面的挑战依然存在，但走向日益自主的 AI 协作者的轨迹已经清晰。我们面对的问题不再是 AI 智能体是否会改变我们的领域，而是如何塑造它们的实施，以最大化效益，同时确保安全并保持对人类要素的关注。

未来十年，癌症研究和肿瘤学将不可避免地“智能体化”，研究人员、医疗专业人士以及我们的机构都需要为这一转变做好准备。

论文链接：

https://www.nature.com/articles/s41568-025-00900-0