浙江
2026年6月，Nature发表了德国德累斯顿工业大学与海德堡大学医院联合团队的研究，展示了AI Agent MIRA在电子健康记录中的自主工作能力。MIRA在沙箱化的电子健康记录环境中运行，使用超过500个真实患者案例进行回顾性测试，能够自主评估医疗信息、开具检查、解读结果并准备诊疗决策。
临床工作流中的自主操作
MIRA能够从超过85,000种可能的临床操作中进行选择，覆盖实验室检测、微生物检测、影像检查、药物处方和入院决策。它通过与被模拟的患者AI智能体进行对话来收集病史信息，该智能体的回应与临床记录中记载的病史相匹配。
与以往将AI用于单一临床任务的研究不同，MIRA的设计目标是将AI完整嵌入临床工作流。在诊断准确性方面，MIRA的表现达到医生水平，在部分领域超越了医生对照组。研究团队负责人Jakob Kather将AI Agent类比为飞机的自动驾驶系统——“可以支持和减轻医务人员的负担，但最终责任始终由医生承担”。
这一类比在多个层面具有参考价值。自动驾驶系统在飞机运行中承担了大量的常规操作和监控任务，但飞行员始终保留最终决策权，并在异常情况下接管控制。在临床场景中，类似的模式意味着AI处理信息收集、初步分析和方案生成等环节，医生则负责最终判断和决策。MIRA的“副驾驶”定位，正是在这一分工框架中寻找位置。
回顾性模拟与前瞻性部署之间的距离
研究的严谨性体现在方法论设计上。使用真实患者案例、模拟急诊环境、设置医生对照组，这些措施为AI在临床场景中的评估提供了比传统基准测试更扎实的框架。但研究团队明确指出，进一步的验证需要通过前瞻性、真实世界的研究来完成。
回顾性模拟与前瞻性部署之间存在若干差异。模拟环境中，患者信息是固定的、结构化的，而真实临床中信息的获取需要时间，且可能不完整。模拟中MIRA可以访问完整的电子健康记录，真实场景中的数据可及性可能受限于系统权限和隐私规范。研究使用的患者案例是否能够覆盖临床实践的多样性，也需要更大规模的验证。
AI Agent在医疗信息化中的角色
从行业视角看，MIRA的研究反映了医疗AI从“单点工具”向“流程参与者”演进的趋势。当前大多数医疗AI应用集中在图像识别、风险预测或问答系统等单一任务上。MIRA将AI的作用范围扩展到从信息收集到治疗决策的多个阶段，这种整合式的设计对医疗信息化系统提出了新的要求。
电子健康记录系统的接口设计、权限管理和安全约束，需要为AI Agent的接入提供标准化支持。MIRA在沙箱环境中运行的设计，为实际部署中的安全隔离提供了参考。如何在保障患者数据安全的前提下，让AI有效获取临床信息并执行操作，是医疗信息化领域需要持续探索的课题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
