赋能式人工智能在医疗中的作用：一项范围综述

医院幕后更聪明的助手

想象医院里的数字助手不仅回答问题，还静静观察发生的情况，决定下一步需要做什么，并在不每次都被询问的情况下采取行动。本文探讨了这种新兴技术——称为“赋能式人工智能”（agentic AI）——并审视我们距离让此类系统在真实临床护理中安全地支持医生、护士和患者还有多近。

从简单程序到以目标为导向的伙伴

医学中的计算机起初是计算器和严格遵循规则的系统：它们可以对图像分类或标记异常化验值，但只能在明确指示下工作。更新的“生成式”系统，如聊天机器人，可以生成文本、图像或代码，但仍然等待人类提示。赋能式人工智能更进一步。这类系统围绕目标设计——比如改善创伤团队的响应、为癌症治疗量身定制方案，或帮助儿童在治疗中取得进展。它们从多个来源收集信息、规划行动路线、主动调用其他软件工具，并根据事态发展调整其行为，同时人在重大决策上仍保持主导。

这些数字代理正在测试的领域

作者检索了五个主要研究数据库，全球范围内仅发现七项真正采用这种更独立风格AI的医疗研究。项目涵盖急诊护理、癌症治疗与诊断、医学影像、康复以及用于药物发现的蛋白质分析。一个系统实时跟踪创伤病例，生成更完整的报告并在生命体征异常时触发警报。另一个向癌症幸存者发送个性化的每日信息以鼓励步行。一个虚拟现实游戏根据儿童的表现调整难度，帮助唐氏综合征儿童建立运动与社交技能。其他系统则专注于读取胸部X光、放疗计划、从血液中的微小颗粒检测肝癌，以及自动分析与新疗法相关的复杂蛋白质数据。

这些系统的优势与不足

在这些实验中，赋能式系统显示出一定程度的独立性：它们追求明确的目标，主动运行分析或调用其他程序，并在某些情况下将多个协作AI“代理”的工作结合起来。结果常常令人印象深刻。一个工具在区分肝癌与非癌病例方面准确率超过94%，包括那些常规血液标志物具有误导性的患者。另一个在设计放疗方案上达到了或超过了专家计划者的水平，且一个胸片推理系统在无需为每个新问题重新训练的情况下达到了先进水平。然而这些成功严格局限于狭窄任务。大多数系统仅在受控环境、在精心准备的数据上运行，且没有任何系统能够在长时间跨度内真正学习与改进，或以有意义的方式记住既往患者。

安全、信任与人类关怀

综述还指出了重要风险。由于这些代理可以自主行动——检索数据、建议方案、甚至触发警报——错误或协调不良可能带来严重后果，尤其是在如癌症护理等时间敏感的领域。许多研究存在中度到严重的偏倚风险，且未在日常临床实践中测试这些工具。还存在隐性推理（“黑箱”行为）、网络安全以及若自治系统导致伤害时谁应承担责任的担忧。美国和欧洲的监管机构开始将医疗AI视为“高风险”，但现行法规并非针对高度独立、以目标为导向的软件而制定。作者主张必须保持人类监督的核心地位，并需要更明确的规则来界定此类系统可自主行动的边界。

下一步需要做什么

目前，医疗领域的赋能式人工智能更像是有前景的原型而非成熟产品。综述显示，这些系统可以在广泛任务中提供帮助——从患者监测与康复支持到复杂癌症治疗的规划——但仅有一项研究在受控试验中涉及真实患者。作者呼吁对“赋能式”的共同定义、衡量安全与效益的标准化方法，以及更大规模的真实世界临床研究。医院还需要更完善的数据系统、更严格的隐私保护和明确的指导方针以确保临床人员掌握主导权。如果这些基础被谨慎建立，赋能式人工智能有望成长为可靠的数字队友，减轻工作负担、提升决策质量，并最终改善患者护理，而非成为自行做出选择的神秘黑箱。

引用: Collaco, B.G., Haider, S.A., Prabha, S. et al. The role of agentic artificial intelligence in healthcare: a scoping review. npj Digit. Med. 9, 345 (2026). https://doi.org/10.1038/s41746-026-02517-5

关键词: 赋能式人工智能, 医疗自动化, 临床决策支持, 医学影像人工智能, 数字健康