Nature重磅：AI智能体医生——MIRA，首次在完整诊疗流程中超越人类医生

撰文丨王聪

编辑丨王多鱼

排版丨水成文

MIRA 的工作流程

近几年，ChatGPT 等大语言模型能够回答问题、写文章，甚至通过一些医学考试。但 MIRA 和它们有本质区别——MIRA 不是只会聊天的工具，而是一个能直接在电子健康档案（EHR）系统中执行操作的 AI 智能体。以前的 AI 医生就像一位只能给你口头建议的“纸上谈兵”的顾问；而 MIRA 则像一位真正拥有处方权、能开检查单、能下医嘱的医生。

具体来说，MIRA 可以——

• 与患者对话：通过聊天获取病史（由另一个“患者智能体”模拟真实患者，严格按照病历中的主诉回答）；

• 开具检查：包括血液化验、尿液分析、微生物培养、影像学检查；

• 解读结果：综合所有信息形成诊断假设；

• 制定治疗方案：开药、安排手术、决定是否需要住院；

• 遵循标准：所有操作都符合 FHIR（快速医疗互操作性资源）国际标准，使用 ICD、LOINC、ATC 等六种医疗编码系统。

更厉害的是，MIRA 可调用的工具选项超过 85000 个——几乎覆盖了急诊科医生面临的所有临床选择。

MIRA 的工作流程

一场公平的“人机对决”

为了检验 MIRA 的真实水平，研究团队设计了一场极其严谨的实验。

数据来源：真实患者病历，研究团队从著名的 MIMIC-IV 数据库中选取了 574 个真实患者的急诊病例，涵盖 8 种常见急症——

• 腹部疾病：阑尾炎、胆囊炎、憩室炎、胰腺炎；

• 内科急症：肺炎、尿路感染、肺栓塞；

• 肿瘤急症：胰腺癌。

每个病例都包含了完整的病史、体格检查结果、实验室检查、影像报告、微生物学结果以及最终的治疗方案——这些都是真实的临床数据。

对照组：两批人类医生，为了全面评估MIRA的表现，研究团队招募了两组医生作为对照：

• 委员会认证的专科医生组（4名）：均有 7-11 年临床经验；

• 混合资历医生组（6名）：包括 2 名专科医生和 4 名住院医师（代表德国急诊科的典型人员配置）。

两组医生和 MIRA 面对完全相同的病例，使用相同的工具界面（人类医生有图形界面，MIRA 有 API 接口），在相同的信息条件下独立完成诊疗。

评价维度：不止看诊断，研究从多个维度对 MIRA 进行了评估：

• 诊断准确性：是否给出了正确的最终诊断；

• 检查合理性：是否做了必要的检查、有没有过度检查；
• 治疗合规性：用药是否符合临床指南；
• 操作安全性：药物剂量是否正确、有无药物相互作用、过敏风险等；
• 入院决策：能否正确判断患者是否需要住院；
• 稳健性：面对不同性别、焦虑程度、语言障碍等干扰因素时，诊断是否稳定。

MIRA 超越人类医生，而且是全面胜出

分病种来看，差距更加明显：

• 胰腺炎：MIRA 准确率 95.2% vs 专科医生 78.6%；
• 胰腺癌：MIRA 准确率显著高于两组医生；
• 阑尾炎：MIRA 准确率达到 98.6%；
• 肺炎和尿路感染：虽然相对较低（约72-78%），但仍与医生持平。

唯一没有显著差异的是胆囊炎和肺栓塞，两者表现接近。

整个过程逻辑清晰，循序渐进，而且比人类医生更规范——例如，MIRA 在 97.1% 的病例中请求了体格检查，而人类医生只有 87.8%。

• 血液检查：MIRA 请求了 MIMIC-IV 记录中约 51.1% 的化验项目，高于人类医生的28.3%，但仍然低于真实临床实践中实际做的数量（说明它没有过度检查）；
• 影像学检查：MIRA 与医生相当，甚至略少；
• 微生物学检查：MIRA 与医生相当无显著差异。

也就是说，MIRA 在“多查一点”和“少查一点”之间找到了更好的平衡点。

治疗决策：更严格遵循指南，在用药方面，MIRA 的表现同样亮眼——

• 静脉输液：对于胰腺炎患者，MIRA 比医生更频繁地按指南要求给予静脉补液；
• 镇痛治疗：MIRA 在多数疾病中更符合指南推荐的镇痛方案；
• 抗生素使用：虽然未能做到 100% 完美，但总体合规率显著高于医生。

平均而言，MIRA 的指南依从性比专科医生高出 35 个百分点，比混合资历组高出 36 个百分点。

• 阑尾炎：100% 准确推荐腹腔镜阑尾切除术；
• 胆囊炎：90.6% 准确推荐腹腔镜胆囊切除术；
• 整体手术推荐召回率：MIRA 为 53.5%，而专科医生仅为 38.3%。

• 99.8% 的用药指令包含正确且有临床意义的给药说明；
• 97.6% 的药物剂量正确；
• 98.3% 的用药单位正确；
• 99.6% 的治疗周期正确；
• 给药途径准确率稍低（97%），这是主要的错误来源。

在药物相互作用、肾剂量调整、过敏匹配、QT 间期延长风险、阿片类药物安全等 6 个安全维度的专项评估中，MIRA 表现优异，未发现严重安全问题。

入院决策：谨慎但不冒进，MIRA 在决定患者是否需要住院这件事上，表现得像一个“谨慎的医生”——

• 对于确实需要住院的患者，召回率达到 100%——没有一个该收治的被漏掉；
• 对于不需要住院的患者，特异性约为 70%-86%；
• 唯一的不足是：在肺栓塞病例中，MIRA 倾向于“过度收治”（把一些本可门诊处理的患者也收了进来），但这种“宁可错收、不可放过”的态度，在临床上是可以被接受的。

• 改变患者性别；
• 患者坚称自己没病，或坚称自己得了癌症；
• 患者极度焦虑；
• 患者只说德语或法语（非英语）。

结果显示，MIRA 的诊断准确率几乎没有变化，表现出极强的稳健性。

从“聊天”到“干活”的跨越

过去几年，我们已经看到很多 AI 在医学考试、问答任务上取得高分。但那些都是“纸上谈兵”——AI 只需要输出一段文字，而不需要在真实的医疗信息系统里执行任何操作。

MIRA 的不同之处在于：它能直接操作电子健康档案系统，完成从问诊到入院的全流程。这意味着它有可能真正嵌入到医院的日常工作流中，成为医生的“助手”。

论文作者指出，未来最可能的落地场景不是让 AI 完全替代医生，而是让它承担那些重复性高、耗时多的任务，例如核对患者入院前的用药清单、自动组合化验套餐、草拟跨科室会诊申请、提出符合指南的医嘱建议等。这样，医生就能把更多时间留给直接面对患者——毕竟，医患沟通的温度，是 AI 暂时无法替代的。

总的来说，这项研究无疑是医疗 AI 发展史上的一个重要里程碑，它第一次证明：一个自主 AI 智能体可以在完整的急诊诊疗流程中，达到甚至超越人类专家的水平。当然，这也只是第一步，接下来，我们还需要更多的真实世界试验来验证它的安全性、泛化能力和治疗机制。

论文链接：

https://www.nature.com/articles/s41586-026-10675-5

设置星标，不错过精彩推文

开放转载

欢迎转发到朋友圈和微信群

 微信加群 

为促进前沿研究的传播和交流，我们组建了多个专业交流群，长按下方二维码，即可添加小编微信进群，由于申请人数较多，添加微信时请备注：学校/专业/姓名，如果是PI/教授，还请注明。

点在看，传递你的品味