从医疗问答到自主智能体：未来医疗竞争的核心
医疗 AI 的下一个阶段，不再仅仅是擅长对话的助手，而是一套能够理解临床目标、调用专业工具、协同完成任务，并在安全范围内真正融入工作流的智能体系统。
我们正见证医疗 AI 角色的重大转变。
以往，人们主要将 AI 视为“问答工具”：它能解释指南、总结病历、生成报告、辅助识别影像异常。这些功能虽有价值，但临床场景绝非孤立的问答。患者从进入急诊到接受处理，涉及问诊、检查选择、结果解读、鉴别诊断、用药核对、手术或住院安排，以及持续记录与沟通——这是一连串复杂且充满约束的决策过程。
近期发表在 Nature 上的研究《Towards autonomous medical artificial intelligence agents》发出了重要信号：医疗 AI 正从“提供建议”转向“在受控环境中执行临床工作流”。研究中名为 MIRA 的智能体能在模拟电子健康记录（EHR）系统中进行问诊、申请并解读检查、提出诊断、制定治疗方案、开具处方及安排住院。在基于回顾性病例的沙箱评估中，其表现达到甚至超过了参与比较的医生团队。
这并不意味着 AI 已能取代医生。真正值得布局的未来，是由医生、数据、专业模型与自治智能体共同构建的新型医疗生产力。
大语言模型解决了“理解与表达”的难题，但医疗工作更需“行动”能力。
智能体（Agent）的价值，在于它不仅能生成看似合理的文字，更能围绕目标完成闭环：理解任务、调用工具、获取新信息、更新判断、执行下一步，并留下可审计的过程记录。在医疗场景中，这意味着 AI 有机会从屏幕另一端的“咨询者”，转变为嵌入 EHR、实验室信息系统、影像系统及科研平台的“协作者”。
未来的医疗 AI 或许并非无所不能的超级模型，而是一个由多个专业智能体协作的体系：每个智能体在自身专业边界内确保可靠、可评估、可追溯，再由上层的临床协调智能体在医护人员监督下整合行动。
可将其想象为一支数字化多学科团队（MDT）：并非单一 AI 替代所有人，而是一群各有所长的 AI 与临床专家共同协作。
医疗与公共卫生研究每日面对海量数据：队列、登记系统、电子病历、组学数据、随访数据、问卷及真实世界数据。真正的难点从来不是运行一段回归代码，而是提出正确问题、识别偏倚、选择设计、验证假设，并将结果转化为诚实且可解释的结论。
AI 加统计智能体所承担的，不应仅是自动生成 P 值，而应成为研究流程的“方法学副驾驶”：
其目标并非替代统计学家，而是让统计学家的判断更早介入研究流程，使每位临床研究者都能更高质量地与数据对话。
影像是医疗中信息密度最高的数据之一，但大量可量化信息仍沉睡于 CT、MRI、PET、超声和病理图像中。影像组学与深度学习已证明，图像特征可关联诊断、预后、疗效与疾病分型；下一步的关键，不在于训练一个识别模型，而在于使其融入真实的临床与科研链条。
AI 加影像组学智能体能连接影像数据、临床问题及后续行动：
**未来的影像科不会被 AI“替代”，而将被 AI 增强。**影像医生将更专注于高价值判断、疑难病例、跨模态整合以及与患者和临床团队的沟通。
临床检验是诊疗决策的基础，但检验单的价值不在于数字的显示，而在于这些数字能否融入患者的时间轴、症状、用药及风险背景中被理解。
AI 加检验智能体能成为实验室与临床之间更智慧的接口：
此类智能体的真正价值，在于缩短“结果出现”与“临床行动”之间的距离，同时减少漏看、误读及无效检查。
若将视野拉远，我们将看到一幅更完整的图景：
这些智能体不会孤立存在。真正的竞争力在于：能否利用统一的数据标准、清晰的权限控制和可靠的协作协议，将其编排为面向患者全流程的系统。
拥抱 AI 不等于盲目追逐单一模型或热词。对医院、研究团队、企业及个人而言，更值得投入的是以下能力：
对于科研人员，现在即可思考：我的数据、方法和研究问题，能否被统计智能体、影像智能体或检验智能体更快速、更规范地推进？对于临床团队，最佳切入点并非“让 AI 做诊断”，而是找到一个真实、重复、可衡量且风险可控的工作流痛点。
未来不属于单纯拥有最大模型的人，而属于能够将 AI 深度融入专业知识、临床流程和安全治理体系的人。
从 AI 加统计智能体，到 AI 加影像组学智能体，再到 AI 加检验、病理、药学及公共卫生智能体，我们正见证一种新可能：让数据不再静止于系统中，让专业判断不再被重复劳动淹没，让每一次医疗行动更及时、更个体化、更可追溯。
自主医疗人工智能的时代不会在某日突然降临。它将从一个个可信的专业智能体起步，在医生监督下、在真实工作流中、在严谨的证据与治理框架内，逐步成长壮大。
此刻，正是理解它、参与它、塑造它的最佳时机。
文中提及的 MIRA 研究是在模拟、受控的 EHR 沙箱中完成评估，不应被解读为已可在真实临床中替代医生或无需监管地自主诊疗。参考文献：Ferber, D. et al. "Towards autonomous medical artificial intelligence agents." Nature (2026), doi:10.1038/s41586-026-10675-5。