北京
医疗与生命科学领域的Agent项目，正在一套和多数行业不同的约束条件下推进。如果这些约束能被解决，回报相当可观：原本需要数小时的人工审核压缩到几分钟，散落在十几个系统里的数据终于能在一个地方被查询，临床医生从文书工作中拿回时间。
但与此同时，一个错误答案在这里的代价，比几乎任何其他行业都要高，这直接改变了团队的搭建方式。在支付方、医疗服务方和生物制药公司中，要赢得规模化Agent所需的那种信任，难度要大得多。
在这个行业，信任不只是产品质量问题，它同时是一项审计要求、一项合规义务，在某些情况下还是患者安全要求。要达到这个标准，需要一层很多团队在最初试点时可能根本没搭的基础设施。
本文关注三家公司如何构建各自的Agent：
Madrigal Pharmaceuticals搭建了一个企业级多Agent平台，帮助员工在结构化系统、文档和外部来源之间搜索、分析并综合证据。
Abridge做的AI，把医患对话转成临床文档，并在整个临床工作流中支撑一个持续运行的Agent。
Vizient则构建了一个生成式AI平台，让医疗服务提供方能够查询原本彼此孤立的医院数据，回答诸如门诊投资是否划算、哪里能以更低成本提供诊疗这类问题。
这三家之外，本文还将借助在更广泛的医疗与生命科学Agent项目中正在浮现的一些模式。
可观测性、评估和成本控制，正在变成更大Agent自主性的前置条件。这是听到最多的一个主题。76%的医疗与生命科学组织表示，在给Agent更多自主权之前，追踪、评估和支出可见性是必须满足的要求。
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.
