摘要：在今年的CES上，英伟达CEO黄仁勋首次系统性展示了AI Agents的商业全景图，宣称今年将是部署AI Agent的关键一年。但什么是AI Agent？它们如何应用于医疗健康领域？

在今年的CES上，英伟达CEO黄仁勋首次系统性展示了AI Agents的商业全景图，宣称今年将是部署AI Agent的关键一年。但什么是AI Agent？它们如何应用于医疗健康领域？

多家健康科技公司已经涉足该领域。早期布局者之一 Hippocratic AI公司拥有一系列的AI“护士”，医疗系统可以将其部署于特定工作流程，例如讨论宫颈癌筛查或跟进慢性肾病患者的持续护理情况，该公司还有面向保险公司和制药厂商的AI Agent。今年早些时候，Innovaccer和Salesforce也各自发布了面向医疗健康领域的AI Agent产品线，在美国医疗系统内展开了广泛应用。

下面是关于医疗健康领域AI Agent的五个核心问题，包括它们与前几代AI工具的区别、具体的医疗健康用例，以及阻碍其更广泛应用的障碍。

01 什么是AI Agent？与之前的技术有何不同？

通常，AI Agent由不同的人工智能和计算机工具组成，共同完成某项任务。OpenAI 在介绍其AI Agent “operator”时解释说，它不仅能为你提供旅游目的地信息，还能为你预订假期。

但是，对于AI Agent，目前还没有一个公认的定义，这使得该术语很容易被视为营销噱头。医疗运营人工智能公司 Notable 的首席医疗官 Aaron Neinstein 表示，一些公司将文本聊天机器人或接听电话的人工智能称为AI Agent。“当我们思考Agent的时候，我们认为它是在完成一项任务，并且是在许多情况下无需人工干预的情况下主动完成的。”

斯坦福大学研究生物医学数据科学的 James Zou 则有不同的看法。“我认为Agent是这样一种人工智能模型，与作为工具的人工智能相比，它具有更大的灵活性和自主性”，他补充道，Agent更具主动性，能够提出明确的问题，使用网络搜索，并阅读互联网信息，而不仅仅是为单一任务编程。

Agent与 Alexa 或 Siri 这样的老式助手有何不同？Salesforce Health 负责人 Amit Khanna 表示，尽管“Agent”的定义模糊不清，但AI Agent的程序设计能够理解上下文和任务的边界，并且接入了多个其他后端系统，使其能够以其他助手无法做到的方式执行操作。比如，Siri 能理解专家是否有空吗？能接收新的患者吗？能接收转诊吗？你得检查网内网外的的情况，得了解保险覆盖范围。

02 哪些医疗健康任务适合AI Agent？

去年，健康科技公司 Innovaccer 对其医疗服务提供商客户进行了一项调查，询问他们希望哪些低价值、高负担的任务实现自动化。今年 2 月，该公司基于调查，推出了一套AI Agent，包括排班预约、患者入院登记和护理协调、转诊以及事先授权，总体目标是将那些关键但繁重的任务自动化，给医生和护理人员减轻负担。

然而，尽管技术开发商将排班预约等任务宣传为AI Agent的完美用例，但并非所有医疗服务提供商都认为这像宣传的那么容易。

波士顿 Mass General Brigham 医院的首席医疗信息官 Rebecca Mishuris 表示，她所在的医疗系统正在研究使用AI Agent进行排班预约，但这项技术“还没达到那个程度”。

“归根结底，排班预约极其复杂”，她说，医疗系统必须根据自己特定的排班方式来训练人工智能——比如，在某个医疗系统中，骨科可以处理任何骨折，但在另一个不同的医疗系统中，A 医生只看股骨骨折，B 医生只看尺骨骨折。

密西西比州 Specialty Orthopedic Group 的首席运营官 Cody Atkins称，他的诊所正在部署一个接电话的AI Agent。该智能体将协助该诊所的员工处理一些重复性问题，但不会处理所有问题。例如，按 2 确认预约可能会转到聊天机器人，但按 3 进行预约仍会转接给人工。他说：“我们不希望机器人真正安排预约，因为我们在安排预约的过程中还需要获取很多信息。”

03 为什么现在要紧密关注Agent？

有几个因素为AI Agent奠定了基础：医疗机构创建了让现有软件程序接入其系统的方式、大型语言模型的进步、以及语音人工智能模型的进步。

Notable的平台允许医疗系统运行或构建AI Agent系统，这些系统用大语言模型将一个计算机化流程与另一个计算机化流程紧密连接起来。例如，在填写质量指标时，Agent工作流可能会检查电子病历以查看患者是否进行了各种检查，浏览扫描的 PDF 文件以查找检查结果，通知人工并获得信息是否正确的批准，然后将结果添加到患者的记录中。这些步骤中，每一步都使用不同的语言处理或生成组合以及其他计算机功能来执行整体任务。

Notable公司的 Neinstein 表示，AI Agent真正落地并非始于过去两年大模型的兴起，而是在此之前的几年里，当时技术平台构建了与医疗系统的电子病历系统和客户管理系统的集成。以人类的方式将数据输出并输入，这才是真正的难点，现在你把大模型放在中间，就能真正完成这些工作流程了。

对于语音AI Agent来说，过去一年技术的进步使各种事情都成为了可能。技术驱动的护理平台 CareYaya的CEO、Counterforce Health的联合创始人Neal Shah表示，该公司使用AI Agent帮助患者和医生就保险拒赔进行申诉。他说，六个月前，通过电话对AI Agent说一句话，到得到回复，中间要间隔四秒钟。尽管一些老年人可以接受 2.5 或 3 秒的延迟，但3秒钟就足以让真实对话的感觉完全消失。但到了去年秋天，这种延迟（包括通过 OpenAI 或 Anthropic 的模型生成对话、通过 ElevenLabs 生成语音音频以及通过 Twilio 呼叫管理平台运行通话的各种连接拼凑）降至不到 2.5 秒，有时甚至只有 1.8 秒。

他认为，六个月前以如此低的成本构建这项技术是不可能的，因为它感觉不真实，那还有什么意义呢？但是随着极其高效的中国开源人工智能模型 DeepSeek 的发布，这类人工智能的成本也有可能大幅下降。

04

随着技术进一步发展，AI Agent在医疗健康领域可能实现什么？

医疗健康生态系统中的人们对AI Agent寄予厚望。例如，斯坦福大学的 Zou 指出，虽然像就诊摘要和环境智能医疗记录员这样的工具很有用，但部署太多可能会让用户不堪重负。相反，Agent或许能够与所有这些工具交互，而人类用户只需与统一的Agent互动。

德国公司 HGM Advisory 的健康科技顾问 Thomas Hagemeijer 表示，如果我们能够将Agent接入原始数据集并让它们相互通信，那么对数据集进行超标准化的需求可能会减少。

阿斯利康生物制药首席数据科学家 Jim Weatherall 对人工智能科学家或在药物开发中使用AI agent的可能性感到兴奋。他说，阿斯利康正在与剑桥大学合作一个项目，以协调多代理系统，就像一个协同工作的人工智能科学家团队。

05

哪些因素将阻碍Agent在医疗健康领域的广泛应用？

斯坦福大学的 Zou 表示，为了在医疗健康领域实现人工智能系统的广泛和负责任部署，必须解决安全性、可靠性和可信赖性问题。专家指出，之前的AI Agent产品，如 Humane AI Pin 和 Rabbit R1 之所以失败，就是因为它们不可靠。

Mass General Brigham 的 Mishuris 说：“质量和安全可能是我最大的顾虑。我不能在没有人工监督的情况下，将一个有25%出错率或遗漏25%重要信息的东西投入到医疗服务中，绝对不行。”

长期以来，医疗健康领域一直采用“人机回圈 （human in the loop）”的策略，既是为了防止错误，也是为了在使用生成式人工智能时规避责任问题。但“代理式人工智能的目的是不让人类参与其中，因此你就失去了在出现问题时进行干预的能力”，Mishuris 说。

技术开发者有一个解决方案：用更多的AI Agent来检查其他AI Agent的输出。Innovaccer 的 Shashank说：“现在，我们用人工智能检查人工智能，整个系统上有一个 QA测试员基本上是并行工作的——生成式输出被创建出来，有一个 QA 代理检查该结果，然后你才能进入下一个状态。”

但是，AI Agent承担部分任务带来了生产力提升，同时可能会产生一些代价，人们依然需要或希望有人情味的对话，AI Agent的使用必然导致人与人之间的互动减少。

*大健康派编译自STAT

【AI算力+应用讨论社群】

仅限受邀加入

席位锁定中：AI算力及AI应用领域TOP级从业者专属圈层

√ 获取医疗AI应用热点及前沿产业独家信息

√ 随时了解全球医疗AI领域最新监管及政策动向

√与AI上下游企业深度对话

√获取一手全球AI与算力产业信息

√有机会参与AI主题产业交流活动

验证身份（发送姓名/公司/职务）

*注：剩余席位有限，抓紧时间加入我们吧！

来源：小孙医生健康之道