DeepMind 的 AI 联合临床医师在临床模拟中测试多模态诊断与安全性

Google DeepMind 于 2026 年 5 月 01 日推出 AI 联席临床医生（AI co-clinician），这是一项研究计划，旨在探讨多模态 AI 系统如何更有效地支持医护人员和患者。根据世界卫生组织的说法，该项目回应了全球卫生系统日益面临的压力：在预计到 2030 年健康工作者将短缺超过 10,000,000 名的背景下，改善医疗结果、降低成本并扩大获得医疗服务的机会。

三元照护模型和多模态能力

该新系统旨在探索一种“三元照护”（triadic care）模式：AI 代理与医生和患者共同工作，而不是取代临床判断。DeepMind 表示，其目标是构建能够延伸临床医生触达范围的工具，同时让医生对决策保持控制。该公司将这项工作定位为其医疗 AI 研究的下一步，继此前的系统 MedPaLM（侧重医学知识测试）和 AMIE（通过基于文本的模拟会诊进行工作）之后。

AI 联席临床医生的一项关键特性是其处理的不仅是文本。该系统在实时音频和视频测试中进行了验证，使其能够观察步态、呼吸模式以及可见的皮肤变化等身体线索。在远程医疗模拟中，该模型能够引导患者完成体格检查的部分流程，并协助诸如检查吸入器用法技术或帮助识别肩部受伤之类的任务。这些能力表明，未来多模态 AI 可能支持远程会诊，而在这种场景下，视觉与听觉观察同样重要。

双代理安全设计与临床基准

DeepMind 强调，系统内置安全控制。AI 联席临床医生采用“双代理”设计：一个名为“Planner”的模块会持续审查交互，并检查“Talker”是否始终在临床边界之内。该公司表示，这种结构旨在减少不安全输出并提升医疗环境中的可靠性，因为事实准确性与克制是必不可少的。

研究团队通过多种方式评估了该系统。一次测试中，他们将 NOHARM 安全框架进行了改编，用于同时衡量错误回应以及未能呈现重要信息的情况。在包含 98 项初级保健提问的盲测对比中，该系统在 97 例中记录为零关键错误，并且在医生眼中优于其他证据整合工具。DeepMind 表示，这表明该模型可为寻求有依据、质量高的临床信息的临床医生提供帮助。

该研究还考察了系统在使用 OpenFDA RxQA 基准处理与用药相关问题方面表现如何。该基准旨在测试有关药物与治疗的知识以及推理能力。在开放式评估中，AI 联席临床医生优于其他前沿模型，表明在一个对日常护理规划尤其重要的领域取得了进展。

医师表现对比

然而，在面向患者的模拟中，人类医生整体表现仍更好。研究团队与来自哈佛大学和斯坦福大学的学术型医师合作，开展了一项随机研究，涉及 20 个合成临床情景以及 10 名医师扮演患者。覆盖超过 140 个评估领域，医生在识别警示信号和引导体格检查方面都优于该 AI；尽管该系统在 68 个类别中与医生表现相当或超过医生，包括分诊（triage）。研究结果表明，该工具最有价值的可能是作为支持系统，而非替代临床专业知识。

持续研究合作

DeepMind 表示，更广泛的目标是开发能够在可信、临床有据且适应真实世界护理环境方面为医师提供帮助的 AI。该公司正在继续与多个国家开展研究合作，包括美国、印度、澳大利亚、新西兰、新加坡以及阿拉伯联合酋长国，并在测试系统于更不同的医疗场景中时持续推进相关研究。