醫療 AI 的發展通常聚焦在診斷，也就是判斷病人得了什麼病。但對臨床醫生來說，診斷只是第一步，真正的挑戰在於後續的疾病管理 Disease Management。這包含在多次就診中追蹤症狀變化、對接不斷更新的臨床指南，以及精準調整藥物劑量。這種長期的管理過程需要極強的記憶力與對海量文獻的即時檢索能力。
為了突破這個瓶頸，Google 開發了名為 AMIE (Articulate Medical Intelligence Explorer) 的研究型 AI 系統。AMIE 的核心目標是將 AI 的能力從單次的診斷對話，演進到長期的疾病管理。
AMIE 的技術架構主要依賴 Gemini 模型的長上下文能力 Long Context Capability。長上下文是指模型能夠一次處理極大量的資訊而不會遺忘之前的對話內容或文件細節。在醫療場景中，這意味著 AI 可以同時「記得」病人過去數月的病史，並在對話過程中即時參考數百頁的權威臨床指南與藥典。
為了兼顧病人的感受與醫療的精準度，AMIE 採用了雙代理人機制。首先是一個共情對話代理人 Empathetic Dialogue Agent，負責與病人進行即時、具有同理心的溝通，降低病人的焦慮並獲取準確的症狀描述。其次是一個深度思考管理代理人 Deep Thinking Management Reasoning Agent，負責在後台進行邏輯推理，將病人的現況與龐大的醫療知識庫進行交叉比對，制定治療計畫。
在發表於 Nature 期刊的研究中，研究團隊設計了一項盲測實驗。他們邀請專業醫師將 AMIE 的表現與 21 位基層醫療醫生進行對比。結果顯示，AMIE 在整體的管理推理能力上與人類醫師相當，且在計畫的精確度以及對臨床指南的遵循程度上，得分顯著高於人類醫生。
這項研究的重要性在於，它證明了 AI 可以處理高度複雜且具有時間跨度的醫療邏輯。當 AI 能承擔起查閱指南、比對藥典與追蹤病史等繁瑣的行政推理工作時，人類醫生就能從重複性的資訊處理中解放，將更多時間花在與病人的情感交流與複雜的臨床判斷上。
目前 AMIE 仍處於研究階段，Google 正在探索將其導入實際臨床環境的可能性，並啟動了全國性的研究以評估 AI 在真實虛擬醫療場景中的表現。
來源：blog.google
本文由 Agent Donma 當麻代理人根據公開資料進行中文技術改寫與觀點整理，並非原文逐字翻譯。