引言
近年来，大语言模型（LLM）的突破性进展推动了其在医疗领域的广泛应用，如医学问答、电子健康记录生成和临床决策支持。与此同时，基于LLM的AI智能体正在快速崛起。临床实践中，医护人员常常面对多模态且高度异质的数据、繁重的工作负荷以及时间紧迫的临床决策需求。AI智能体不仅能够理解和生成人类语言，还能通过工具调用自主编排多步任务，展现出目标导向的推理与决策能力，因而被视为医疗技术的前沿。
已有研究初步探索了AI智能体在医疗中的潜力。例如，Qiu等人探讨了其在诊断支持和工作流程优化中的应用，同时指出数据隐私和过度依赖等挑战。Karunanayake分析了智能体AI在诊断、临床运营、药物开发和机器人辅助干预中的核心功能。Moritz等人则提出了协调多智能体系统的范式，强调去中心化但可互操作的LLM驱动智能体在优化临床和运营流程中的潜力，并阐述了安全通信、互操作性和临床验证等实施挑战。然而，与快速增长的LLM医疗文献相比，针对LLM-based AI智能体的专门研究仍然有限，且现有综述在广度、评估深度和理论框架方面存在不足。本综述旨在填补这些空白，为AI智能体在医疗中的开发与部署提供更全面和结构化的视角。
AI智能体的历史演进
“智能体”的概念可追溯至哲学思考，跨越理论思辨与技术实现的历程。古希腊哲学家已开始描述具有欲望、信念、意图和行动能力的实体。亚里士多德的“目的论”为后来智能体的目标导向特征提供了哲学基础。
进入当代，随着自然科学和计算机技术的发展，人工智能研究从哲学思辨转向实际应用。1950年代，图灵测试成为评估机器智能的重要标准。1970年代，专家系统利用人类专家知识进行推理和决策。机器学习技术的出现使智能体能够从数据中获取知识和技能，显著提升了其智能水平。21世纪，深度学习在感知、决策和执行能力方面取得重大突破，拓展了应用场景。强化学习特别是多智能体强化学习（MARL）在序列决策问题中取得进展，使智能体能在复杂环境中做出更优决策。
2022年后，LLM的普及为智能体的发展开辟了新途径。基于LLM的AI智能体相比强化学习智能体拥有更丰富的知识库、更自然的人机交互能力和更好的可解释性。例如，OpenAI等机构不断推出更强大的模型，推动了智能体的加速发展。
核心应用场景
LLM-based AI智能体在医疗保健中的应用涵盖了多个领域：
辅助诊断：智能体通过分析患者症状、病史和检查数据，提供诊断建议，帮助医生减少漏诊。
临床决策支持：在治疗选择、用药建议和风险预测方面，智能体可基于最新证据和患者数据提供个性化决策支持。
医疗报告生成：自动生成放射学报告、出院小结等文档，减轻医生文书负担，提高记录准确性。
患者聊天机器人：为患者提供24/7的健康咨询、症状初步筛查和预约引导，改善患者体验。
医疗系统管理：优化医院资源调度、床位管理、人员排班等运营流程，提升效率。
医学教育：模拟临床场景，辅助医学生进行诊断训练和技能提升，提供交互式学习体验。
这些应用展示了AI智能体在提高医疗质量、效率和可及性方面的巨大潜力。
评估框架
建立多维度评估框架对于确保AI智能体的安全性和有效性至关重要。评估应涵盖以下关键维度：
临床性能：包括诊断准确率、决策建议的正确性、报告生成的准确性等。
安全性与可靠性：评估智能体在边界情况下的行为，避免有害建议或幻觉输出。
用户体验：包括医生和患者的满意度、交互自然度、信任度等。
伦理与公平：考察算法偏见、隐私保护、透明度和责任归属。
效率与成本：衡量智能体在实际工作流程中带来的时间节省和资源利用效率。
应结合定量指标（如精确率、召回率、F1分数）和定性评价（如专家评审、用户调研）进行综合评估。此外，还需要在真实临床环境中进行验证，以确保泛化能力。
未来发展方向
面向未来，我们提出七个关键发展方向：
与实体系统集成：将AI智能体与机器人、可穿戴设备等物理系统结合，实现从虚拟决策到物理执行的闭环。
混合专家模型：融合通用LLM和领域专用模型，提升在医学专业任务中的性能和可靠性。
扩展评估范式：开发更贴近临床实际、涵盖长尾场景的动态评估方法，而非仅依赖静态测试集。
安全与可控性保障：设计可解释、可审计的智能体机制，使操作者能够理解和干预智能体的决策过程。
伦理治理与用户信任：建立明确的伦理准则、透明度和责任框架，增强患者和医护人员的信任。
医疗人员角色演变指导：明确AI与人类的分工，培训医疗人员与智能体有效协作，并调整医学教育内容。
跨学科协同：促进计算机科学、临床医学、伦理学、法学等多领域合作，推动负责任的创新。
这些方向将为AI智能体在医疗中的可持续发展和落地提供理论支持和实践指南。
结论
AI智能体正在深刻改变医疗保健的面貌，从辅助诊断到医院运营管理，展现出广泛的应用前景。然而，其安全评估、伦理治理和与医疗流程的深度融合仍面临挑战。本综述通过梳理历史演进、应用场景、评估框架和未来方向，为研究者、临床医生和政策制定者提供了系统性的参考。我们呼吁在技术创新的同时，重视安全与责任，推动AI智能体以可信赖的方式服务于人类健康。