Google DeepMind AI 共同臨床醫師研究計畫

Google DeepMind 已宣布 AI 共同臨床醫師研究計畫，旨在提升醫師專業知識並改善患者護理品質，以應對全球臨床專家短缺的問題。該計畫提出一種「三方護理」模式，其中 AI 代理人在患者的護理旅程中提供協助，同時仍處於醫師的臨床權威與判斷之下。

透過證據綜合增強臨床醫師

AI 共同臨床醫師的設計目的是透過提供高品質臨床證據，為醫師提供值得信賴且事實依據的支援。為評估其可靠性，研究人員調整了「NOHARM」框架，以測試「誤報」 (不正確資訊) 和「遺漏」 (未能呈現關鍵資訊)。

主要發現包括：

• 優秀的證據綜合： 在對 98 個真實初級保健查詢進行的盲測評估中，醫師一貫偏好 AI 共同臨床醫師的回應，優於領先的證據綜合工具。該系統在 98 例中有 97 例未錄得任何關鍵錯誤。
• 藥物知識： 在使用 OpenFDA 的 RxQA 問題集進行測試時——這是複雜藥物推理的基準——AI 共同臨床醫師在開放式問答任現表現優於其他中樞 AI 系統，特別是那些比選擇題形式更貼近真實臨床需求的任務。

遠程醫療中的即時多模態能力

超越純文字互動，Google DeepMind 正在研究使用即時音訊與影像，以讓 AI 共同臨床醫師能夠在遠程醫療環境中提供協助。此多模態方法使 AI 能夠觀察視覺與聽覺線索，例如呼吸模式或患者步態，這些對臨床評估至關重要。

在與哈佛和斯坦福學術醫師進行的隨機模擬研究中，涉及 20 個合成臨床情境和 10 位醫師「患者演員」，系統展示了以下內容：

• 身體檢查指導： AI 成功引導患者完成複雜的身體動作，例如糾正吸入器使用技巧以及透過引導的肩部動作識別旋轉肌袖損傷。
• 與人類醫師的表現比較： 在對超過 140 個諮詢技能面向的評估中，專家醫師整體表現更佳，特別是在識別「紅旗」和引導關鍵身體檢查方面。然而，AI 共同臨床醫師在這 140 個面向中，有 68 個的表現與初級保健醫師（PCP）相當或更佳。

安全架構與信任工程

為確保臨床級安全，AI 共同臨床醫師採用特定的架構防護措施：

• 雙代理架構： 針對面向患者的遠程醫療對話，系統使用一個「Planner」模組持續監控對話，以確保「Talker」代理人始終處於安全的臨床範圍內。
• 驗證與引用： 系統透過對所有檢索資訊進行嚴格的驗證與引用檢查，來優先考慮臨床級證據。

全球研究與評估

Google DeepMind 正在採用階段性方法，在美國、印度、澳洲、紐西蘭、新加坡和阿聯酋等多樣化的醫療環境中評估 AI 共同臨床醫師。這些與學術醫療中心和醫療機構的合作旨在確保系統的開發符合負責任的原則，並遵守適用的標準。

注意：目前的研究合作不旨在用於診斷、治療、緩解、預防疾病，或提供醫療建議。