AI医生MIRA首次实现全流程上岗

自主医疗AI实现全流程闭环，诊断准确率超越专科医生水平

导语

2026年6月17日，Nature 刊发了一项里程碑式的研究成果。海德堡大学医院的研究团队成功构建了一个名为 MIRA（Medical Intelligence for Reasoning and Action）的自主医疗AI智能体。与以往仅能提供文字建议的聊天工具不同，MIRA 是首个能够在沙盒化电子健康记录（EHR）环境中，独立完成从问诊、检查到治疗、入院全流程的AI系统。其诊断准确率超过88%，显著优于专科医生团队的78%。在468条用药医嘱中，未出现任何严重药物相互作用或剂量错误，且对所有需要住院治疗的患者识别召回率达到了100%。尽管目前仅在模拟环境中运行，但这项研究标志着AI已从辅助工具向具备执行能力的临床智能体迈出关键一步。未来，它有望将医生从重复性事务中解放出来，使其专注于更具人文价值的医疗环节。

关键词： 医疗自主智能体（Medical AI Agent）、电子健康记录（EHR）、沙盒电子病历（Sandboxed EHR）、MIRA（Medical Intelligence for Reasoning and Action）、临床全流程决策、诊断精度、医疗指南依从性、用药安全

论文题目：Nature: Towards autonomous medical artificial intelligence agents
论文链接：https://doi.org/10.1038/s41586-026-10675-5
发表时间：2026 年 6 月 17 日
论文来源：Nature

一、AI 诊疗转型困局：只会答题的大模型，做不了全流程临床执行者

当前的大语言模型（LLMs）在医疗问答、影像判读、临床推理测试中表现确实亮眼，甚至能与医生平分秋色。医疗领域也涌现出一批能检索诊疗指南、整理病历、自动生成疾病编码的辅助工具。然而，它们距离独立完成一次完整的临床接诊仍有巨大差距。

根本原因在于，绝大多数医疗AI仍停留在“被动答题者”的阶段。它们擅长回答问题，但只能处理零散、割裂的单一诊疗环节。真实医生需要做的，是在电子病历系统里持续采取一系列行动：从问诊获取病史，到开具检查、整合结果，再到制定治疗方案和安排入院，每一步都要根据最新信息动态调整决策。而现有系统大多只能完成其中某一个孤立环节，无法贯穿整个诊疗流程。

标准临床诊疗本身是一套闭环决策流程。医生依托电子健康记录（EHR）持续采集和更新患者信息，开具各种检验影像，在不断获得新证据的过程中形成并修正诊断假设，最终执行药物治疗、手术干预或住院管理。而且，这些决策最终都必须转化为电子病历系统里的结构化指令，并通过快速医疗互操作性资源（FHIR）等统一标准完成规范化记录。因此，一个真正能融入医院工作流的医疗AI，不仅要具备临床推理能力，还必须能持续调用工具、执行操作并动态调整决策——这恰恰是AI智能体（AI Agent）的技术范式。

过去也有一些研究尝试让医疗AI从“回答问题”向“采取行动”靠拢。例如，AMIE系统提升了医患对话质量，但仍局限于问诊场景，无法调取病历或开立检查；OpenAI联合企业推出的基层医疗辅助工具，虽能嵌入临床工作流，却不具备自主操作权限；基于MIMIC-IV数据集的研究开始模拟完整诊疗流程，但由于缺乏与FHIR等通用医疗体系的深度整合，也未覆盖医患沟通、入院用药核对等关键环节，最终普遍认为现有模型难以可靠地自主完成复杂病例管理。

总体而言，医疗AI领域一直存在两大核心空白。第一，缺少一个能原生嵌入现有EHR体系、真正实现端到端诊疗闭环的自主智能体。第二，没有研究系统地验证过AI在沟通、诊断、治疗、入院分流这些完整临床链路中的综合性能和安全边界。换言之，医疗AI面临的真正挑战，从来不是能否回答医学问题，而是能否在真实医院工作流中持续采取行动。

二、全新诊疗体系：MIRA让医疗AI第一次获得“行动能力”

与那些只会输出文字建议的传统医疗大模型截然不同，MIRA实现了跨越式突破。它不仅拥有专业的临床推理能力，更是首个能在标准化沙盒电子健康记录（EHR）环境中，自主完成一整套可落地诊疗操作的AI智能体。整套体系包含两大核心技术创新和一套标准化的仿真评测底座。

图1｜MIRA工作流程。 MIRA是一个自主医疗AI智能体，在EHR沙盒环境中运行，利用一套工具模拟临床工作流程：它能够开具检查、综合结果并生成诊断和治疗方案，同时通过聊天与一个基于真实病例回顾性记录中记录的现病史（HPI）构建的患者AI智能体进行交互。

为填补上述研究空白，研究团队开发了MIRA自主医疗智能体，并基于MIMIC-IV数据库中500多例急诊真实病例开展了仿真对照试验。试验病种涵盖阑尾炎、胰腺炎、肺炎、胰腺癌等8类常见急诊疾病。

创新 1：沙盒隔离 EHR 运行环境，打通院内系统数据互通

以往大多数医疗AI只能输出自然语言建议，难以真正接入医院电子病历。MIRA搭建了一个独立隔离的沙盒电子病历运行环境，全面兼容FHIR交互协议和ICD、LOINC、SNOMED-CT等六大国际通用医疗编码体系。它生成的所有诊疗指令都是标准化、结构化的数据，可无缝适配遵循统一标准的院内信息系统，从而突破了传统医疗大模型“只能建议、无法执行”的局限。

创新 2：多工具联动闭环决策，复刻医师分步诊疗逻辑

MIRA内置了11类临床工具，超过85,000种可执行的临床操作。该智能体可以自主梳理完整病史、开立和解读各类检查、推导鉴别诊断、开具处方、预约手术、规划入院。与传统模型单次、碎片化的答题方式不同，这套多工具联动机制让AI能够模仿真实医师，逐步收集信息、动态调整方案，形成一条首尾贯通的完整诊疗链路。

配套仿真交互底座：保障全部试验结论客观可信

为尽可能模拟真实问诊场景并防止试验失真，研究团队还构建了一个专门的患者仿真智能体。该系统的所有回答都严格受真实现病史（HPI）约束，避免模型提前获取患者最终诊断信息，从而降低因后验信息泄露导致的性能高估风险。

大模型测试数据表明，这套仿真交互系统具有很高的稳定性。无论问题如何改写，回答内容的一致性以及与原始病历的匹配度均超过99%。即使面对诱导泄露诊断信息的对抗性提问，该患者智能体也不会提前披露患者的最终诊断结论。这为后续的人机对照实验提供了一个可信且可复现的评测环境。

严谨人机对照试验设计

研究设置了两组独立的人类医师对照组。4名持证专科医师作为高水准参照组，另外6名混合资历的团队则用于复刻全球普遍存在的德国急诊人力模式（即没有专职急诊医师，多由轮转的低年资医生接诊）。两组医师和MIRA使用完全相同的患者信息输入，然后从诊断、治疗、用药安全三个维度进行横向对比，评估综合诊疗水平。这样的设计保证了研究结果具有较高的现实参考价值和外部有效性。

三、全链路诊疗能力验证：四大环节证明MIRA实现医师级完整临床决策

过去的大多数医疗AI只能完成问诊、诊断、开药、手术建议中的某一个环节，无法连贯地走完整套诊疗流程。但在这项研究中，团队围绕临床决策链的四个核心环节——诊断、检查、治疗和安全，系统评估了MIRA的综合表现。结果显示，MIRA不仅能像医生一样连续处理急诊病例，还首次在统一的实验条件下证明，自主医疗智能体具备了完成端到端临床决策的能力。

图2 MIRA的推理轨迹。 展示MIRA在每种目标诊断下的决策路径，均以“病史”起始、以“入院”结束。粗黑线为最常见的工具转换路径，边线数字为转换频次；整体流程与人类医生的诊疗顺序高度吻合。自循环箭头表示同一工具的重复调用（如初始影像不可用时改选其他模态）

环节 1：初诊诊断 ——AI 判病准确度整体优于临床医师

先看一组数据。研究首先评估了MIRA的诊断能力。以MIMIC-IV数据库中的出院确诊结果为参考标准，MIRA在八类疾病上的平均诊断准确率达到88.9%。在进一步的人机对照实验中，MIRA在完全相同的信息条件下取得了87.8%的平均诊断准确率，显著高于持证医师的78.1%和基层轮转医师的71.1%。其中，对胰腺炎、阑尾炎的识别优势最为突出，只有胰腺癌的诊断水平与专科医师持平。即便是肺炎、尿路感染这类容易混淆的病症，其识别表现也毫不逊色于人类医师。

图3：a.左图显示基于MIMIC-IV真实数据（n=574）的总体准确率，MIRA对阑尾炎等明确疾病表现优异（148例漏诊2例）；右图为匹配子集（n=311）中MIRA与医师的对比，MIRA准确率显著更高（双侧McNemar检验，P=0.000287），误差线为95%置信区间。b.以阑尾炎为例展示从病史到入院的推理轨迹，粗箭头为主要转换路径，数字为转换次数，循环为重复调用工具（全部轨迹见扩展数据图2）。c.检查选择方面，左图为相对MIMIC-IV基线（100%，n=574）的对比，右图为与医师（n=311）的对比。体格检查以柱状图显示检出比例（误差线为95%置信区间）；微生物、血液及影像检查以点图显示召回率（含中位数、四分位距及须线）。显著性经McNemar检验和Wilcoxon检验评估，多重比较经Holm和Benjamini-Hochberg法校正。

环节 2：检查规划 ——AI 遵循循证逻辑，严控高价影像检查

进一步分析MIRA的决策轨迹可以发现，它开具检查的顺序与真实临床工作流高度一致，整体遵循从无创检查逐步过渡到有创干预的诊疗逻辑。与人类医师相比，MIRA的体格检查覆盖更全面，血液检验指标也更丰富。值得注意的是，虽然MIRA增加了一部分低成本的常规化验项目，但它并未表现出通过大量开单来换取更高诊断准确率的倾向。研究未观察到它过度使用CT、MRI等高成本影像检查的现象。这意味着，该自主医疗智能体没有表现出明显的过度医疗风险。此外，MIRA在核对患者居家长期用药这项任务上准确率非常高，能够快速完成药物信息的结构化整理。

环节 3：治疗干预 —— 手术、处方决策更贴合临床规范

在治疗决策环节，研究重点评估了MIRA推荐的手术和药物方案与真实临床实践之间的匹配程度。结果显示，MIRA的整体治疗方案与标准临床路径的贴合度显著高于人类医师。例如，在阑尾炎病例中，MIRA对腹腔镜阑尾切除术的推荐匹配率达到了100%。总体来看，它在外科操作推荐上的召回率明显高于医师群体。在药物处方方面，MIRA的整体诊疗规范依从性比医师高出35个百分点，尤其在补液、镇痛这类标准化的治疗场景中表现格外突出。

不过，MIRA也并非完美。与人类医师类似，它在抗生素处方上仍未达到完全符合指南的水平。这也从侧面说明，即便自主医疗智能体能力再强，关键的治疗决策仍然需要保留人工复核机制。

环节 4：用药与分流安全 —— 未发现系统性高危医疗风险

医疗AI能否最终落地，安全始终是底线。为此，研究团队从药物相互作用、肾功能剂量调整、药物过敏、QT间期延长风险、阿片类药物管控、入院分流等多个维度，对MIRA进行了系统性的安全评估。

结果显示，在56份完整病例中，研究未观察到任何高危用药错误，近500条处方信息的准确率接近满分。在入院决策方面，MIRA对肺炎、肺栓塞这类高风险患者没有出现漏收治情况，仅有少量的肺栓塞病例存在偏保守的收治倾向。此外，研究还进一步测试了性别差异、患者焦虑情绪以及语言障碍等潜在偏倚因素对模型表现的影响。结果显示，在不同干扰条件下，MIRA的诊断性能波动极小，整体表现出良好的鲁棒性和稳定性。

四、落地思考与行业展望：人机协同新模式，配套监管体系缺一不可

这项研究最重要的意义，并不仅仅是让医疗AI的诊断准确率再次提高，而是首次证明：AI不再只能单纯输出文字答疑，它已经开始具备在医院工作流中持续采取行动的能力。依托沙盒电子病历搭建的MIRA，可以独立走完急诊从问诊、判病、开检查到开药、安排入院的完整诊疗链条。在诊断、治疗、用药安全等多项表现上，它整体优于一线医护，补上了过去所有医疗大模型“只会答题、无法在院内动手操作”的关键短板。同时，MIRA主打病历内的全流程自动化，如果与擅长实时检索最新医学文献的AMIE这类工具搭配，两者可以互相补足，进一步缩小AI决策与临床标准之间的差距。

但即便实验数据表现亮眼，MIRA距离真实临床应用还有相当长的路要走。首先，整套仿真交互场景全部基于历史病历的文字搭建，现实中患者说话含糊、信息前后矛盾、遗漏关键病史的复杂情况，仿真环境无法完全复刻。其次，训练所用的MIMIC-IV数据集有流入大模型训练素材的可能性，实验测出的效果可能存在虚高。最后，也是最重要的一点，MIRA全程仅在隔离的沙盒环境中运行，从未对接过医院真实的业务系统，真实病房中各种复杂的突发状况尚未经过检验。

除此之外，当AI被赋予自主开立检查、生成处方乃至安排手术和住院的能力时，医疗系统将面临一系列全新的问题。从短期应用来看，自主医疗智能体更适合作为医师的协同助手，而非独立的诊疗主体。像药物核对、检验套餐组合、会诊文书撰写这类标准化、重复性的任务，可能成为最先落地的应用场景，从而帮助临床医生减轻繁重的文书负担。

值得注意的是，MIRA在资源使用上表现出较强的克制性。研究并未发现它通过大量增加CT、MRI或手术等高成本项目来提升诊断准确率，而主要增加的是低成本的常规血液检查。这意味着，自主医疗智能体没有表现出明显的过度医疗倾向。未来，如果进一步引入成本约束和资源优化模块，这类系统甚至有可能成为医院优化资源配置的新工具。

长远来看，自主医疗AI要规模化落地，真正的挑战已不仅仅是模型能力本身，而是责任划分和治理体系的建设。首先，人机边界必须被清晰界定。AI可以承担标准化、重复性的诊疗流程，但所有关键决策——包括最终诊断、用药方案、手术安排——都应保留医师的强制复核环节，不应允许智能体独立做出最终的医疗决策。

其次，风险管控体系需要与技术能力同步演进。针对高危药物、高价值影像检查等关键环节，医院需要建立人工复核、全流程审计和异常预警机制，确保AI的每一次诊疗行为都能被记录、追踪和解释。与此同时，行业层面也需要逐步建立统一的准入规范、数据安全标准和应急处置机制，为自主医疗智能体进入临床提供制度保障。

归根结底，当医疗AI开始从“知识工具”演变为“行动主体”时，整个医疗系统都需要重新回答一个问题：谁授权AI行动，谁监督AI行动，又由谁为AI的行动负责。只有当人机分工、风险监管和行业标准同步成熟，自主医疗智能体才有可能真正走出实验室，成为缓解医疗资源紧张、缩小区域医疗差距的重要力量。

参考文献

[1] Ferber, D., Hilgers, L., Höper, C. et al. Towards autonomous medical artificial intelligence agents. Nature (2026). https://doi.org/10.1038/s41586-026-10675-5 .
[2] 数据：https://physionet.org/content/mimiciv/2.2/
[3] 代码：https://github.com/Dyke-F/MIRA

你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：AI医生MIRA首次实现全流程上岗要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题