Google DeepMind 发布 AI co-clinician 医疗 AI 研究计划

2026年4月30日科学

Alan Karthikesalingam、Vivek Natarajan 和 Pushmeet Kohli

全球的医疗系统都在努力实现更好的疗效、更低的成本，并改善患者和临床医生的体验。然而，进展受到全球临床专家短缺的制约，世界卫生组织预测到2030年将出现超过1000万卫生工作者的缺口。

虽然AI常被视为弥合这一缺口的关键，但它尚未能完全满足临床医生和患者的需求。因此，今天我们宣布我们的AI协同临床医生研究计划，探索AI如何更好地放大医生的专业知识，并为患者提供更高质量的护理。

在Google DeepMind，我们的医疗AI之旅从用MedPaLM掌握考试式的医学知识测试，发展到用AMIE在基于文本的模拟医疗咨询中达到医生水平，包括在真实世界可行性试验环境中。我们在研究临床医生和AI系统如何协同工作方面也有着悠久的历史。

我们假设，医疗服务交付的下一次演进将带来“三元护理”，即AI智能体可以在医生的临床权威下帮助患者完成其护理旅程。医学一直是一项团队运动，而AI智能体可以把更多队友带上场：扩展临床医生的触及范围，同时确保他们保留判断力和控制权。

这是我们AI协同临床医生研究计划的基础：AI被设计为护理团队中的协作成员，在专家临床监督下与患者互动。我们在面向临床医生和面向患者的场景中设计并评估了AI协同临床医生。同时解决这两个视角，是AI提升护理交付质量、成本、可及性和体验的关键。

推进医疗AI研究，使其对临床医生协助患者而言更值得信赖、更有帮助。

用AI协同临床医生增强临床医生

对医生而言，工具只有值得信赖且有事实依据才有用。因此，我们研究了AI协同临床医生通过呈现高质量证据来支持临床医生的效果如何。

我们与学术医生合作，改编了“NOHARM”框架，以测试我们的AI是否存在“作为错误”（错误信息）和“不作为错误”（未能呈现关键信息）。

在头对头盲评中，医生始终更偏好AI协同临床医生的回答，而非领先的证据综合工具。在对98个真实初级保健查询的客观分析中，我们的系统在97个案例中记录了零关键错误，优于医生广泛使用的两个AI系统。

该研究采用了98个真实初级保健查询的盲法比较，这些查询来自多种来源，并由一组主治医师进行了后续完善。这一多步骤迭代过程包括全面的背景研究以及针对查询的答案指标的开发，以便对临床准确性和最佳实践指南的遵循情况进行严格的专业评估。通过利用这一专家主导的完善阶段，该方法能够精确刻画共识性的场景特异性遗漏与错误，确保评估反映真实世界临床决策的复杂性。

除了可靠地综合临床证据外，AI系统还应以医生所要求的精确度回答有关药物和治疗干预的问题。这对AI来说是一项困难的任务，但仍未被充分探索。为弥补这一空白，我们在OpenFDA的RxQA问题集上评估了AI co-clinician，这是一个旨在评估复杂药物知识与推理能力的具有挑战性的基准。我们在应对这些测试方面看到了显著进展，超越了其他前沿AI系统，尤其是当问题以真实诊疗中开放式提问的方式提出时。这些发现凸显了先进AI在临床医生应对日益数据密集型的护理规划与管理需求时提供有益协助的潜力。

RxQA最初是作为多项选择题（MCQ）测试提出的，即便是初级保健医生在该测试中的得分也不高。虽然我们的结果显示，AI系统在公开可用的（OpenFDA）RxQA集合中的MCQ表现有显著提升，但临床医生在真实世界中的需求呈现为开放式问题，而不是需要从预先确定的选项中找出正确答案。在这一更贴近现实的临床任务——关于药物的开放式问答中，AI co-clinician优于现有的前沿模型。综合来看，这些结果表明，AI可以在此类临床推理方面达到与人类医生相当的水平，同时仍有进一步改进的空间。

研究AI co-clinician在远程医疗环境中的实时多模态能力

除了面向临床医生的辅助场景外，我们还在研究AI co-clinician在面向患者的研究环境中的表现。专家临床评估传统上包括微妙的视觉和听觉线索，例如观察患者的步态、呼吸模式的细微变化或皮肤变化的外观。虽然此前的研究（包括我们与Beth Israel Deaconess Medical Center的合作）证明了在医生预约前进行AI文本聊天的价值，但将交互限制为文本从根本上限制了AI的临床价值。医学不仅仅是文本；它需要眼睛、耳朵和声音。

这就是为什么我们正在探索实时多模态AI作为护理团队辅助组成部分的潜力。基于Gemini和Project Astra的能力，我们测试了AI co-clinician使用实时音频和视频与患者互动的能力，模拟远程医疗通话；未来，在专家监督下，能力强大的AI或许能够支持更好的诊断和管理。有关我们的方法和结果的更多细节，请参阅我们的技术报告：“Towards Conversational Medical AI with Eyes, Ears and a Voice”

我们与哈佛和斯坦福的学术医生合作，设计了一项随机模拟研究，包含20个合成临床场景和10名医生“患者演员”。该智能体展示了超越纯文本系统的新能力，例如实时指导患者完成复杂的体格检查。例如，它成功纠正了患者的吸入器使用技术，并指导肩部手法以识别肩袖损伤。

尽管人们经常讨论AI在临床表现上匹配或超越人类的潜力，但这些高保真模拟更严格地评估了这一前提。我们评估了问诊技能的140多个方面，发现专家医生的整体表现优于AI系统，尤其是在识别“危险信号”和指导关键体格检查方面。这一发现表明，这些系统目前最好用作从业者的支持工具，而非临床判断的替代品。同时，我们的工作凸显了AI能力的显著进步：AI联合临床医生在140个评估领域中的68个领域表现与初级保健医生（PCP）相当或更优。结果彰显了巨大前景，并指出了进一步研究最能有效推动医学AI发展的具体领域。

一项随机、界面盲法、交叉模拟研究的结果，涉及由真实初级保健医生、AI联合临床医生或GPT-realtime进行的120次假设远程医疗问诊。评估中，一组内科住院医师担任患者演员，演绎20个标准化门诊场景。这些场景涵盖一系列临床状况，专门设计为需要主动的听觉和视觉推理。针对场景定制的标准评估了问诊质量的七个领域，每个项目采用0–2分锚定评分，以区分遗漏、部分完成和完全适当的表现。误差线对应95%置信区间。

下面您可以看到研究团队在此远程医疗环境中与AI联合临床医生一起角色扮演假设患者，突显了系统的潜在能力和局限性。

为临床级AI构建信任与保障措施

将AI引入和部署到临床环境需要毫不妥协的架构和操作保障。在我们对面向患者的远程医疗对话模拟研究中，AI联合临床医生采用双智能体架构：一个“规划者”模块持续监控对话，验证“谈话者”智能体是否保持在安全的临床边界内。

同样，为满足医生需求，AI联合临床医生优先考虑临床级证据，对检索进行验证和引文检查。我们上面报告的评估由医生构建，以反映他们一系列真实世界的证据需求，从假设场景中制定问题，以严格评估AI的能力。

为严格真实世界评估AI联合临床医生而开展的研究合作

为进一步开发和评估AI联合临床医生，我们目前正与学术和研究合作者分阶段推进，覆盖全球多样化的医疗环境，包括美国、印度、澳大利亚、新西兰、新加坡和阿联酋。

随着我们在这些评估阶段不断推进，我们将把研究进一步拓展到更多地区，包括与使命一致的医疗保健组织和学术医疗中心。我们的目标是确保医疗 AI 在符合适用标准的前提下得到负责任的开发和部署，从而支持全球更好的健康。

注：在现阶段，我们的研究合作不用于疾病的诊断、治愈、缓解、治疗或预防，也不用于提供医疗建议。

致谢

我们感谢哈佛医学院和斯坦福医学院的研究合作伙伴，以及许多参与与我们团队进一步开展可信测试者评估的医疗中心和护理组织。该项目涉及与 Google DeepMind、Google Research、Google Cloud 和 Google for Health 众多团队的合作，我们感谢团队伙伴们富有洞见的讨论和贡献。

尤其要感谢 Aniruddh Raghu、Arthur Chen、Charlie Taylor、CJ Park、David Stutz、Devora Berlowitz、Doug Fritz、Dylan Slack、Eliseo Papa、Jack Chen、JD Velasquez、Jing Rong Lim、Katya Tregubova、Kelvin Guu、Meet Shah、Richard Green、Ryutaro Tanno、Sukhdeep Singh、Victoria Johnston、Adam Rodman 的核心研究和工程工作，没有他们，AI 联合临床医生就不可能实现。

我们感谢众多合作者的宝贵贡献，包括 Ali Eslami、Aliya Rysbeck、Andy Song、Anil Palepu、Anna Cupani、Bakul Patel、Bibo Xu、Brett Hatfield、David Wu、Ed Chi、Emma Cooney、Erica Oppenheimer、Erwan Rolland、Euan A.

Ashley、Francesca Pietra、Rebeca Santamaria-Fernadez、Gordon Turner、Gregory Wayne、Hannah Gladman、Irene Teinemaa、Jack O'Sullivan、Jacob Koshy、Jan Freyberg、Jason Gusdorf、Joelle Wilson、Katherine Tong、Juraj Gottweis、Michael Howell、Mili Sanwalka、Pavel Dubov、Pete Clardy、Peter Brodeur、Rachelle Sico、SiWai Man、Sumanth Dahathri、Taylan Cemgil、Tim Strother、Uchechi Okereke、Valentin Lievin、Vishnu Ravi、Yana Lunts、Yun Liu、Simon Staffell、Rachel Teo、Adriana Fernandez Lara、Armin Senoner、Danielle Breen、Paula Tesch、Leen Verburgh、Dimple Vijaykumar、Juanita Bawagan、Muinat Abdul、Mariana Montes 和 Rob Ashley。

专题视频由 Christopher Godfree、Matt Mager、Emma Moxhay 和 Simon Waldron 制作。

感谢 James Manyika 和 Demis Hassabis 在整个研究过程中给予的富有洞见的指导和支持。