Google DeepMind AI 协同临床医生研究计划

Google DeepMind 宣布了 AI 协同临床医生研究计划，旨在提升医生的专业能力并改善患者护理质量，以应对全球临床专家短缺的问题。该计划提出了一个“三级护理”模型，AI 代理在患者的护理过程中提供帮助，但仍受医生的临床权威和判断的约束。

通过证据综合增强临床医生

AI 协同临床医生旨在通过呈现高质量的临床证据，为医生提供可信、基于事实的支持。为评估其可靠性，研究人员采用了 “NOHARM” 框架，测试“错误的执行”（错误信息）和“错误的遗漏”（未能呈现关键信息）。

关键发现包括：

• 卓越的证据综合： 在对 98 个真实的初级保健查询进行盲测时，医生始终更倾向于 AI 协同临床医生的回答，而非领先的证据综合工具。系统在 98 起案例中有 97 起未出现关键错误。
• 药物知识： 在 OpenFDA 的 RxQA 问题集（复杂药物推理的基准）上进行测试时，AI 协同临床医生优于其他前沿 AI 系统，尤其在开放式问答任务中，这类任务比选择题更贴近真实临床需求。

远程医疗中的实时多模态能力

超越基于文本的交互，Google DeepMind 正在研究使用实时音频和视频，使 AI 协同临床医生能够在远程医疗环境中提供帮助。这种多模态方法使 AI 能够观察视觉和听觉线索，如呼吸模式或患者步态，这些对于临床评估至关重要。

在与哈佛大学和斯坦福大学的学术医生合作进行的随机模拟研究中，涉及 20 个合成临床情景和 10 位医生“患者角色”，系统展示了以下成果：

• 体格检查指导： AI 成功引导患者完成复杂的体格操作，例如纠正吸入器使用技巧以及通过引导肩部动作识别肩袖损伤。
• 与人类医生的表现比较： 在对 140 多项咨询技能方面的评估中，专家医生整体表现更佳，尤其在识别“红旗”信号和指导关键体格检查方面。然而，AI 协同临床医生在这 140 项中的 68 项上表现出与初级保健医生（PCP）相当或更优的水平。

安全架构与信任工程

为确保临床级别的安全性，AI 协同临床医生采用了特定的架构防护措施：

• 双代理架构： 对于面向患者的远程医疗对话，系统使用一个 “Planner” 模块持续监控对话，以确保 “Talker” 代理保持在安全的临床范围内。
• 验证与引用： 系统通过对所有检索信息进行严格的验证和引用检查，优先使用临床级别的证据。

全球研究与评估

Google DeepMind 正在采用分阶段方法，在美国、印度、澳大利亚、新西兰、新加坡和阿联酋等多元化的医疗环境中评估 AI 协同临床医生。这些与学术医疗中心和医疗组织的合作旨在确保系统负责任地开发，并符合适用的标准。

注意：当前的研究合作并不旨在用于疾病的诊断、治愈、缓解、治疗或预防，也不提供医疗建议。