本文由德国海德堡大学、德累斯顿工业大学跨医学与计算机学科联合团队完成，核心成果为自研“米拉”（医疗推理执行智能体）自主医疗智能体，首次搭建基于FHIR标准沙盒电子病历的端到端临床自主执行系统，突破传统医疗大模型仅被动输出文字建议、无法嵌入真实诊疗流程的行业瓶颈。研究依托MIMIC-IV大型真实急诊病历库搭建标准化仿真临床环境，设置双组人类医师对照试验，从诊断精准度、检查选择、手术规划、用药合规、入院分层五大维度量化验证智能体性能，系统剖析自主医疗智能体技术架构、临床优势、安全短板与未来落地约束，为全球医院开发可执行、可监管的临床AI智能体提供完整实验数据、标准化开发框架与循证评估体系，填补“仅能问答的医疗大模型”与“全流程自主诊疗智能系统”之间的研究空白。
一、研究背景与行业核心痛点
当前通用医疗大模型、传统临床决策工具存在四大根本性局限，也是本文的核心研究切入点：第一，绝大多数医疗大语言模型属于被动问答工具，仅能基于用户输入输出文本建议，无法自主调取检验、影像、既往病历等多源异构临床数据，不存在闭环诊疗行动链路；第二，现有AI系统无法直接对接医院标准化电子病历，不兼容ICD、LOINC、SNOMED等全球通用医疗编码，难以落地医院现有信息系统；第三，缺乏完整人机对照实证，多数模型仅以考试、标准化题库作为评测标准，未在真实急诊多步诊疗场景中和不同资历医师开展头对头对比；第四，自主操作安全管控体系缺失，无沙盒隔离、分级权限、全链路审计机制，一旦AI自主下达用药、手术指令将存在致命医疗风险。
基于上述行业短板，研究团队提出核心研究问题：能否构建一套受安全边界约束、原生适配电子病历的自主医疗智能体，完整复刻急诊从问诊、检查、诊断、用药到入院的全诊疗流程，且综合表现达到甚至优于临床执业医师？为此开发“米拉”智能体，并搭建配套仿真患者智能体、隔离式FHIR沙盒环境，选取阑尾炎、肺炎、肺栓塞等八大急诊高发病种574份真实脱敏病例开展大规模对照试验。
二、“米拉”智能体核心技术架构与运行机制
“米拉”是全球首个可在沙盒受控环境完成完整急诊诊疗的自主医疗智能体，整套架构分为四层标准化模块，全部遵循医疗互操作国际规范：
1、医患交互层：配套独立患者仿真智能体，严格依托原始病历现病史作答，不会提前泄露诊断结论，同时可抵御提示注入、社工类对抗攻击，对话稳定性达99.4%，完全还原真实患者问诊沟通场景；
2、多工具调度核心层：内置11大类临床标准化工具，覆盖超8500项可执行临床操作，包含体格检查申请、血液/微生物/影像开单、药物调配、手术规划、出入院判定五大类功能，可自主拆解诊疗目标、分步调用工具获取临床证据；
3、FHIR 标准化执行层：依托HAPI-FHIR沙盒隔离环境，所有开单、处方、手术指令自动转换ICD、ATC、RxNorm等标准化编码，数据全程隔离不触碰真实患者原始隐私库，从源头规避数据泄露风险；
4、安全监督层：内置置信度阈值熔断、用药风险校验、全链路不可篡改审计日志，自动筛查药物相互作用、肾功能剂量错误、QT间期风险、药物过敏六大高危风险，出现异常自动终止自主操作并强制人工复核。
完整工作闭环完全贴合人类急诊医师诊疗逻辑：采集患者主诉→自主申请对应检验影像→综合全部结果生成鉴别诊断→匹配指南制定药物/手术方案→评估病情轻重给出入院或居家处置结论，全程多轮迭代补充缺失临床信息，形成闭环推理。
三、人机对照实验核心量化结果
研究设置两组人类对照：4名持证专科主任医师、6名混合资历医师（住院医师+专科医师），在完全相同病例、相同信息权限下开展平行测试，核心数据具备统计学显著性：
1、诊断准确率：“米拉”综合诊断准确率88.9%，主任医师组均值78.7%，混合医师组71.1%，阑尾炎、胰腺炎等急腹症诊断优势最为突出；
2、检验影像选择合理性：“米拉”血液检测覆盖度显著高于医师，但不会过度开具高价放射影像，整体与原始病历基线Tversky相似度优于两组医师，无过度医疗倾向；
3、手术/操作匹配度：外科操作直接+等效总召回率达53.5%，主任医师仅38.3%，能更完整识别临床所需干预手段；
4、用药指南依从性：“米拉”药物方案合规比例较医师平均提升35个百分点，468份处方中仅3例出现治疗重叠问题，无严重药物配伍、剂量、过敏错误；
5、危重症收治识别：肺炎、肺栓塞两类需住院病例召回率100%，不会遗漏高危入院指征，仅少量轻症存在偏保守收治倾向。
同时开展多维度鲁棒性测试，对性别、焦虑、认知偏差六类干扰提示下，“米拉”诊断准确率波动极小，系统抗干扰能力稳定。
四、本文核心创新价值
1、范式创新：首次将自主智能体架构与标准化电子病历深度融合，证明AI可脱离人工逐行指令，自主完成多步骤临床闭环工作，打破“医疗AI只能做文字助手”固有认知；
2、评测体系创新：摒弃题库式简单评测，基于真实急诊全流程搭建标准化基准数据集，采用Tversky距离、指南依从率、手术召回率等临床导向量化指标，为后续医疗智能体提供统一评测标准；
3、安全架构创新：提出沙盒隔离+分层自主权限+多维度用药风险前置筛查三位一体管控方案，解决自主AI医疗安全痛点；
4、实证创新：大规模同条件人机对照试验，客观量化自主智能体相较于人类医师的优势与短板，为医院落地提供真实循证数据支撑。
五、研究局限与落地约束
文章客观指出“米拉”现阶段四大核心短板，也是自主医疗AI短期无法直接上线真实病房关键限制：
1、全部实验仅为MIMIC-IV病历仿真模拟环境，未开展真实患者前瞻性临床试验，仿真患者表述比现实患者条理清晰，无法复刻口语混乱、病史遗漏等真实就诊场景；
2、系统仅依托文本病历数据，无实时影像多模态读取、床旁生命体征设备对接能力，缺少听诊、查体等真实感官信息输入；
3、仅覆盖八大常见急诊病种，罕见病、复杂多合并症肿瘤病例数据样本不足，复杂长期慢病管理能力未验证；
4、缺乏完整法规权责框架，FDA、HIPAA等监管体系尚未针对自主执行型医疗AI出台审批细则，出现诊疗差错后人机责任划分无明确依据。
六、行业启示与未来研究方向
（一）短期落地路径
现阶段“米拉”不可替代临床医师，仅适合作为医师协同辅助工具，限定在沙盒仿真、门诊前置筛查、病历结构化、检验开单推荐、用药方案辅助五大低风险场景，所有AI生成处置方案必须经医师人工终审后方可执行，坚持“人在环”核心底线。
（一）中长期研究方向
1、融合CT、超声、穿戴设备多模态数据，完善多维度感知智能体；
2、扩充罕见病、老年共病病例数据集，提升复杂病例推理稳定性；
3、搭建分层自主权限治理规范，区分自动文书、辅助开单、高风险手术三级自主档位；
3、开展多中心真实世界前瞻性临床试验，收集真人医患交互数据迭代模型；
4、联合监管机构完善自主医疗AI审批、不良事件上报与权责划分制度。
总之，本文提出的“米拉”自主医疗智能体，代表医疗AI从被动问答工具向闭环执行型临床协作系统的关键转型。仿真对照实验证实，在标准化急诊单病种场景下，该智能体诊断、检查规划、用药合规、危重症识别综合表现优于各级临床医师，同时配套FHIR沙盒安全架构，解决自主操作带来的医疗风险隐患。但受限于模拟实验环境、多模态缺失、监管空白等约束，当前自主医疗智能体仅能作为医师辅助决策伙伴，无法独立承担诊疗工作。该研究为全球医院、AI研发团队提供标准化智能体开发、评测、安全管控完整参考，明确人机协同才是医疗自主AI长期可持续落地的核心路径，推动行业跳出单纯比拼模型准确率的浅层竞争，转向兼顾临床实用性、医疗安全、合规治理的系统化研发思路。
如需要《迈向自主医疗AI智能体》（英文，共30页），请在本微信公众号中赞赏（点喜欢或稀罕作者后按本公众号设定打赏）后，发来email地址索取。
Don't carry your mistakes around with you. Instead, place them under your feet and use them as stepping stones. 莫将旧愆负在肩，且化往错作阶砖。早上好！
