跨临床场景的医疗人工智能规模化应用
Michelle M. Li, Ben Y. Reis, Adam Rodman, Tianxi Cai, Noa Dagan, Ran D. Balicer, Joseph Loscalzo, Isaac S. Kohane, Marinka Zitnik等
《自然·医学》(2026)
摘要
医疗人工智能（AI）工具，包括临床语言模型、视觉-语言模型和多模态健康记录模型，广泛应用于临床笔记摘要生成、问题解答和决策支持。这些工具适应新患者群体、专科领域或医疗环境时，通常依赖微调、提示工程或外部知识库检索。然而，这些策略往往扩展性有限，且存在情境错误风险——即输出看似合理但遗漏关键患者信息或环境细节。我们认为情境切换是一种新兴解决方案。情境切换能在推理过程中动态调整模型推理方式，无需重新训练。生成式模型可根据患者生物学特征、医疗环境或疾病类型定制输出内容。多模态模型能在病历记录、实验室结果、影像学数据和基因组学信息之间灵活切换，即使部分数据缺失或延迟。代理模型则可根据任务需求和用户情境协调各类工具和角色。通过这些方式，情境切换使医疗AI能够适应不同专科、人群和地域的医疗需求。这一方法需要在数据设计、模型架构和评估框架方面取得进展，从而为能够扩展到无限应用场景，同时保持可靠性并适用于真实世界医疗实践的医疗AI奠定基础。
【全文结束】
