Google 升级医疗模型 AMIE：从确诊跨到慢病管理，表现媲美初级医生

去看医生时，最折腾人的往往不是拿到确诊单的那一刻，而是之后漫长的复查、调药、看指标变化以及应对副作用。过去的医疗 AI 大多在卷单次看图问诊，给出一个诊断名字就算交卷，很少有系统敢碰跨越数月甚至数年的慢病管理。

Google Research 与 Google DeepMind 宣布升级其医疗 AI 系统 AMIE，将其能力正式从单次疾病诊断拓展到跨多次就诊的长期疾病管理。这项工作后来还登上了国际顶级期刊《Nature》。

在与 20 位初级医生的对照盲测中，升级后的 AMIE 在治疗计划、检查安排和用药推理等综合表现上，达到了甚至超过了人类医生的水平。

前台负责共情，后台坐着「AI 主任」

人在生病时的病情是动态变化的，今天血压高可能要加药，下个月复查出现干咳又得立刻换药。要处理这种复杂的长期流程，Google 放弃了单一对话机器人的做法，设计了一套双智能体架构。

负责面对患者的是 Dialogue Agent（对话智能体）。它的任务是快速响应，用温和且有共情力的语言收集当前症状，解答患者疑问，建立信任感。

真正的大脑则是藏在背后的 Mx Agent（治疗管理推理智能体）。它不需要秒回消息，而是利用 Gemini 的超长上下文能力，一口气吃进患者过去多次就诊的完整记录，以及英国 NICE 指南、BMJ Best Practice 等数百页权威临床指南。

Google 还给系统增加了测试时计算（test-time compute），让模型在给出方案前经历多次草稿生成与方案比对，确保每一步用药都有指南可依。为了专门卡住用药安全这个关卡，团队还拉来执业药剂师，基于英美药典做了一套包含 600 道题的 RxQA 药学基准，严卡适应证、剂量和药物相互作用。

模拟 100 场问诊，硬碰 20 位初级医生

为了检验成色，Google 找来专业的标准化病人演员，搭建了包含 100 场多次就诊场景的模拟客观结构化临床考试（OSCE）。

评估过程采用双盲设计，专科医生在不知道背后是人还是 AI 的情况下打分。结果显示，在治疗方案的合理性、完整性以及指南依从度上，AMIE 的表现不逊色于 20 位初级医生，在部分细则上甚至略占优势。

不过，研究团队自己也指出了局限。这次测试是在高度简化的纯文字聊天环境里进行的，每次复诊间隔很短，没有接入真实医院里杂乱无章的电子病历系统，也没有涉及真实的面对面多模态交互。

另外，测试只套用了单一医疗体系的指南，还没能在真实复杂的本地化临床环境里经受考验。

为什么重要

长期慢病管理是现代医疗体系里负担最重的一块，也是全科医生最容易疲劳的环节。如果一个 AI 工具真能把数十页的指南读透，在医生开处方前默默把好剂量关、禁忌关，并梳理好病人的跨周期随访重点，基层医疗的看护质量会得到立竿见影的提升。

Google 这一步走得相当务实。他们没有继续在单次诊断的准确率上死磕，而是看准了医疗临床里真正磨人的长链条管理。将前台沟通与后台深度推理拆开的双智能体设计，既保住了问诊的温度，又给核心医疗决策留足了深思熟虑的计算空间。

但这套系统离真正走进诊室还有很长的路要走。文字聊天和临床现实完全是两码事，真实病患不会像专业演员那样按剧本给线索，检验报告也往往散落在各个陈旧系统里。接下来 Google 和临床机构开展的前瞻性研究，才是决定 AMIE 到底是留在论文里的技术奇迹，还是能真正帮医生减负的临床帮手的关键试金石。