Google DeepMind 扩展 AMIE 功能以支持纵向疾病管理

主要观点

Google DeepMind 将其 Articulate Medical Intelligence Explorer (AMIE) 系统的功能从诊断扩展到支持纵向疾病管理。AMIE 现在能够帮助临床医生监测疾病进展、调整治疗方案，并在多次患者就诊中遵循临床指南。

关键信息和重要细节

两代理模型框架

AMIE 的更新框架引入了两代理模型：

1. 对话代理：管理患者互动，收集临床信息，并确保跨就诊的一致性沟通。
2. 管理推理代理：处理临床数据、指南和患者历史，生成结构化的治疗和监测计划。

技术支持

AMIE 依赖于 DeepMind 的 Gemini AI 模型，利用其长上下文处理能力分析多次就诊，整合新的临床数据，并与英国国家健康与护理卓越研究院（NICE）和 BMJ Best Practice 等指南保持一致。

专家评价

Wellhub 的技术项目总监 Giancarlo Nicola Zaccaria 强调了这种方法的广泛潜力，认为两代理架构为解决医疗和其他领域的各种挑战提供了令人兴奋的可能性。

性能评估

研究人员通过随机、盲法的虚拟 客观结构化临床考试（OSCE） 研究，将 AMIE 的表现与 20 名初级保健医生（PCP）在 100 个多次就诊案例中的表现进行了比较。专家医生在不知情的情况下，认为 AMIE 的治疗计划不逊于 PCP，且在治疗精确性上有显著改进。AMIE 在选择适当检查和避免不必要的测试方面表现出色，有助于更高效的患者管理。

新数据集

DeepMind 推出了 RxQA 基准数据集，包含 600 道来自国家药物处方集的多项选择题。AMIE 在药物适应症、禁忌症、剂量和安全性方面表现良好。

潜在应用

Shan Rizvi 评论了 AMIE 的潜在应用，表示正在设计一种利用 AI 助手、代理和操作员的私人护理交付模式，以减少医生倦怠并促进医患合作以优化健康。

未来研究方向

研究在受控环境中进行，未考虑电子健康记录整合、患者行为差异或医疗系统差异等现实挑战。未来研究将专注于评估 AMIE 在临床环境中的有效性及其对医生决策的潜在影响。

总结

AMIE 的最新迭代代表了 AI 驱动临床推理的进步，专注于结构化的长期管理。进一步在实际环境中验证将确定其在医疗实践中的实际效用和可靠性。