随着大语言模型快速发展，以大语言模型为核心的智能体正逐步渗透医疗健康领域，在电子病历分析、鉴别诊断、治疗方案规划、临床研究流程自动化等场景展现出巨大应用潜力。然而当前相关研究多为单点技术探索或宽泛综述，缺乏统一、可量化、面向医疗场景的评估体系，难以系统衡量智能体的真实能力与临床可用性。本文通过系统性梳理49篇高质量文献，首次提出七维评估分类法，对医疗场景下大语言模型智能体进行全维度实证分析，揭示能力分布短板，并为后续研发与落地提供清晰框架。全文兼具理论高度与实践指导价值，是医疗智能体领域的里程碑式文献。
该研究建立严格的文献筛选流程，以“大语言模型为核心控制器、面向医疗任务、具备自主规划与工具调用能力”为标准，最终纳入49篇论文构建分析样本。本研究创新提出七大核心维度、29 个子维度的评估框架，采用三级标注体系：完全实现（✓）、部分实现（∆）、未实现（✗），对每篇文献进行标准化标注与量化统计，最终形成可复现、可对比的医疗大语言模型智能体能力图谱。
第一维度：认知能力，包含规划、感知、执行、元能力、一致性与冲突解决5个子维度。调研显示，感知（输入处理）与执行能力实现度最高，分别约46%、41%，多数系统可完成病历文本解析、多模态信息处理与基础工具调用。但长期规划、自我反思、矛盾信息消解能力普遍缺失，约45%研究未实现规划能力，53% 未实现元能力，61%未实现冲突解决。这意味着当前医疗智能体多停留在“信息处理与应答”层面，缺乏类临床医生的分步推理、不确定性判断与多证据校验能力。
第二维度：知识管理，包含外部知识集成、记忆模块、动态更新与遗忘3个子维度。其中外部知识集成实现度高达76%，成为最成熟模块，主流方案均采用检索增强生成（RAG）对接临床指南、医学文献与药品数据库，减少幻觉。但记忆机制多为短期对话缓存，仅33%实现长期结构化记忆；动态更新与遗忘几乎全面缺失，98%的系统无法自动更新过期指南、剔除失效信息，难以适配持续变化的临床知识。
第三维度：交互模式，包含对话模式、事件触发激活、人在环（人机协作）、错误恢复4个子维度。约43%研究支持多轮对话交互，但事件触发激活能力极弱，92%未实现，无法根据检验结果、生命体征异常等主动触发预警与流程执行。人在环与错误恢复机制同样薄弱，86%无中间人工审核，96%无完善异常重试与回滚机制，难以满足临床安全要求。
第四维度：适应与学习，包含漂移检测与缓解、强化学习适配、元学习与小样本学习3个子维度。该维度整体处于起步阶段，漂移检测与缓解几乎为空白，仅1项研究部分实现，无法感知数据分布、诊疗规范变化。强化学习适配仅10%实现，小样本学习约 20%实现。医疗场景数据非平稳、罕见病样本少，但现有智能体普遍静态运行，缺乏持续迭代与快速适配能力。
第五维度：安全与伦理，包含安全护栏与对抗鲁棒性、偏见与公平、隐私保护、监管合规4个子维度。整体成熟度偏低，仅6%研究具备完整安全护栏，10%实现偏见评估与减轻，18%具备端到端隐私保护机制，10%满足可验证监管合规要求。多数系统仅口头强调安全，未实现对抗测试、群体公平性审计、去标识化、审计日志等工程化能力，距离临床合规部署差距显著。
第六维度：框架类型，包含多智能体设计、集中式编排2个子维度。多智能体架构成为主流，82%研究采用分工协作模式，如诊断智能体、检索智能体、审核智能体协同，模拟多学科会诊机制。但集中式编排能力偏弱，57%仅为部分实现，缺乏全局调度、状态一致性保障与策略强制执行层，多智能体协同停留在简单交互，未形成严谨工作流。
第七维度：核心任务与子任务，包含病历文档与电子病历分析、医学问答与决策支持、分诊与鉴别诊断、诊断推理、治疗规划与处方、药物发现与临床试验设计、患者交互与监测、基准测试与仿真环境8个子维度。信息类任务成熟度领先，医学问答与决策支持实现度57%，病历分析实现度45%，基准测试仿真实现度80%。但行动类与发现类任务明显滞后，治疗规划与处方仅20%实现，患者交互监测22%，药物发现与临床试验18%，反映智能体仍停留在“辅助咨询”，难以承担可执行、可追责的临床决策任务。
综合实证结果，当前医疗大语言模型智能体呈现“信息能力强、认知行动弱；模块实现多、系统整合少；理论研究多、安全合规少”的典型格局。外部知识检索、多轮对话、多智能体架构已成为标配，但长期规划、动态知识更新、事件主动触发、漂移检测、安全护栏、治疗规划执行等关键能力普遍缺失。研究进一步对比连锁型与独立型医疗机构适配差异，发现多中心、标准化机构更易发挥智能体效率，而独立机构需强化本地化适配。
该研究的核心贡献在于，首次将医疗大语言模型智能体从零散功能点整合为七维可评估体系，用数据揭示领域发展阶段，避免泛泛而谈。研究指出，未来医疗智能体必须补齐四大短板：构建可解释、可校验的认知推理闭环；建立长期记忆与动态知识更新机制；搭建满足临床合规的安全、隐私、公平性工程体系；实现从“问答辅助”到“诊疗执行”的任务跨越。
对于产业与科研而言，该框架可直接作为医疗AI产品研发检查清单、项目申报评审标准、临床准入评估工具。研究明确警示，脱离安全、合规、自适应的智能体无法真正落地，未来竞争焦点将从“对话效果”转向“全流程可靠性”。
总体而言，这篇文章通过严谨的实证分析与系统化框架，为医疗智能体 AI 划定了清晰的发展坐标：当前仍处于早期原型阶段，优势集中于信息服务，短板集中于认知、执行与安全。只有补齐七维能力短板，实现“可推理、可记忆、可交互、可适应、可信赖、可协同、可执行”，大语言模型智能体才能真正成为临床工作的可靠伙伴，在降本增效、提升医疗可及性、优化医疗质量方面发挥颠覆性价值。
如需要《医疗与医学中的智能体 AI：大语言模型智能体的实证评估之七维分类法》（英文，共25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。
You're not tired because you're doing too much. You're tired because you're carrying too much. 疲惫之由，非因行事过于繁杂，实乃心头负荷过重。早上好！
