Google DeepMind 宣佈 AI co-clinician 醫療研究計劃,探索醫療協作模式
Enabling a new model for healthcare with AI co-clinician
Google DeepMind 宣佈 AI co-clinician 研究計劃,探索讓 AI 在醫生專業監督下協助患者照護。在 98 個基層醫療問題的評估中,97 個案例錄得零項嚴重錯誤;在開放式藥物問答中,系統表現勝過可用的前沿 AI 系統。
文章並列呈現 AI co-clinician 在證據整理、藥物問答和多模態問診的測試結果,並以醫生整體表現較佳界定其臨牀輔助定位。
2026 年四月 30 日科學
Alan Karthikesalingam、Vivek Natarajan 和 Pushmeet Kohli
全球各地的醫療系統都致力改善治療成效、降低成本,並提升病人和臨牀醫護人員的體驗。然而,臨牀專家全球短缺,限制了進展。世界衞生組織預測,到 2030 年醫護人員將短缺逾 10,000,000 人。
雖然 AI 常被視為填補這個缺口的關鍵,但目前仍未能完全滿足臨牀醫護人員和病人的需求。因此,我們今天宣佈啟動 AI 協作臨牀醫生研究計劃,探索 AI 如何更有效地擴展醫生的專業能力,並為病人提供更優質的護理。
Google DeepMind 在醫療 AI 領域的研究歷程,從以 MedPaLM 掌握醫學知識考試式測試,發展至以 AMIE 在文字模擬醫療諮詢中達到媲美醫生的表現,亦包括在真實世界可行性試驗中進行評估。我們亦長期研究臨牀醫護人員和 AI 系統如何協作共事。
我們的假設是,醫療服務下一階段將採用「三方護理」模式:AI 代理在醫生的臨牀權限下,協助病人完成護理歷程。醫療一向是團隊合作;AI 代理能讓更多隊友加入,擴大臨牀醫護人員的服務範圍,同時確保他們保有判斷和控制權。
這是 AI 協作臨牀醫生研究計劃的基礎:設計 AI 作為護理團隊的協作成員,在專家臨牀監督下與病人互動。我們在臨牀醫護人員和麪向病人的情境中設計並評估 AI 協作臨牀醫生。兼顧兩方面至關重要,才能讓 AI 提升護理服務的品質、成本效益、可及性和體驗。
推進醫療 AI 研究,令其更值得信賴,並更能協助臨牀醫護人員照顧病人。
以 AI 協作臨牀醫生擴展臨牀醫護人員能力
對醫生而言,工具只有在可信且有事實根據時才有用。因此,我們研究 AI 協作臨牀醫生能否透過提供高質素證據,支援臨牀醫護人員。
我們與學術界醫生合作,調整「NOHARM」框架,測試 AI 是否會出現「錯誤陳述」(提供錯誤資訊)和「遺漏錯誤」(未能提供關鍵資訊)。
在盲測直接比較中,醫生一直較偏好 AI 協作臨牀醫生的回應,而非領先的證據綜合工具。在對 98 個真實感十足的基層醫療查詢作客觀分析時,我們的系統在 97 個個案中沒有出現關鍵錯誤,表現優於兩個醫生廣泛使用的 AI 系統。
研究以盲測方式比較 98 個真實感十足的基層醫療查詢。這些查詢從多元來源整理而成,再由主診醫生小組修訂。這個多步驟迭代流程包括全面背景研究,並為每個查詢制定專屬答案指標,以嚴謹評估臨牀準確度及是否符合最佳實務指引。透過這個由專家主導的修訂階段,研究方法能精確識別共識情境中因遺漏或錯誤陳述而產生的特定錯誤,確保評估反映真實臨牀決策的複雜性。
除了可靠地綜合臨牀證據,AI 系統亦應以醫生要求的精確度回答藥物和治療介入相關查詢。這對 AI 而言是一項艱鉅任務,但相關研究仍不多。為填補這個空缺,我們以 OpenFDA RxQA 問題集評估 AI 協作臨牀醫生;這是一項具挑戰性的基準測試,旨在評估複雜藥物知識和推理能力。我們發現系統在處理這些測試方面顯著進步,尤其在問題以真實護理情境中的開放式方式提出時,表現超越其他前沿 AI 系統。研究結果突顯進階 AI 有望提供實用協助,支援臨牀醫護人員應對日益依賴數據的護理規劃和管理要求。
RxQA 原本採用多項選擇題(MCQ)測試形式,即使基層醫生的得分亦僅屬一般。我們的結果顯示,AI 系統在公開提供的 OpenFDA RxQA 集合上,MCQ 表現顯著提升;不過,臨牀醫護人員在真實環境中面對的是開放式問題,而非從預設選項中選出正確答案。在這項更貼近現實、以開放式問題詢問藥物的臨牀任務中,AI 協作臨牀醫生表現超越目前可用的前沿模型。綜合而言,結果顯示 AI 在這些臨牀推理方面可媲美人類醫生,並仍有進一步改進空間。
研究 AI 協作臨牀醫生在遠程醫療情境中的實時多模態能力
除了支援臨牀醫護人員的情境,我們亦正研究 AI 協作臨牀醫生在面向病人的研究環境中的表現。專家臨牀評估通常會觀察細微的視覺和聽覺線索,例如病人的步態、呼吸模式的細微變化,或皮膚變化的外觀。過往研究(包括我們與Beth Israel Deaconess Medical Center合作的研究)已證明,醫生診症前進行 AI 文字對話有其價值;但把互動限制於文字,根本上會限制 AI 的臨牀價值。醫療不只是文字,還需要視覺、聽覺和語音。
因此,我們正探索實時多模態 AI 作為護理團隊輔助成員的潛力。我們以 Gemini 和 Project Astra 的能力為基礎,測試 AI 協作臨牀醫生能否運用即時音訊和影片與病人互動,模擬遠程醫療通話;未來具備能力的 AI 或可在專家監督下協助改善診斷和管理。方法和結果詳載於技術報告:「邁向具備視覺、聽覺和語音的對話式醫療 AI」
我們與 Harvard 和 Stanford 的學術界醫生合作,設計一項隨機模擬研究,涵蓋 20 個合成臨牀情境和 10 名扮演病人的醫生。代理展現了文字系統以外的新能力,例如即時引導病人進行複雜身體檢查。舉例來説,它成功糾正病人的吸入器使用技巧,並引導肩部動作以識別旋轉肌袖受傷。
雖然人們經常討論 AI 是否有潛力媲美或超越人類臨牀表現,但這些高擬真模擬能更嚴謹地評估此假設。我們評估了逾 140 個診症技巧項目,發現整體而言,專家醫生的表現優於 AI 系統,尤其擅長識別「警號」和引導關鍵身體檢查。這項發現顯示,現階段這些系統最適合作為醫護人員的輔助工具,而非取代臨牀判斷。同時,我們的工作亦展現 AI 能力大幅進步:在 140 個評估項目中,AI 協作臨牀醫生有 68 項表現媲美或超越基層醫生(PCP)。結果突顯其巨大潛力,並指出能最有效推動醫療 AI 進步的特定研究方向。
隨機、介面盲測、交叉模擬研究的結果,涵蓋 120 次假設性遠程醫療診症,分別由真實基層醫生、AI 協作臨牀醫生或 GPT-realtime 進行。評估由一組內科住院醫生扮演病人,演繹 20 個標準化門診情境。這些情境涵蓋多種臨牀狀況,特別要求模型主動運用聽覺和視覺推理。按情境訂定的準則評估診症品質的七個範疇,每個項目採用 0–2 分錨定評分,以區分遺漏、部分完成和完全恰當的表現。誤差線代表 95% 置信區間。
下方可見研究團隊在遠程醫療情境中扮演假設病人,與 AI 協作臨牀醫生互動,展示系統的潛在能力與限制。
以臨牀級 AI 防護措施建立信任
要把 AI 引入臨牀環境並部署,必須採用毫不妥協的架構和操作防護措施。在面向病人的遠程醫療對話模擬研究中,AI 協作臨牀醫生採用雙代理架構:「規劃器」模組持續監察對話,確認「對話者」代理遵守安全臨牀界線。
同樣地,為滿足醫生需求,AI 協作臨牀醫生會優先提供臨牀級證據,並驗證和檢查檢索結果的引文。上述評估由醫生設計,模擬他們在不同真實情境中對證據的需求,並根據假設情境制定問題,以嚴謹評估 AI 能力。
與研究夥伴合作,嚴謹評估 AI 協作臨牀醫生在真實世界的表現
為進一步開發和評估 AI 協作臨牀醫生,我們正與學術和研究合作夥伴,在全球多元醫療環境中推進分階段方案,地點包括美國、印度、澳洲、新西蘭、新加坡和阿聯酋。
隨着評估階段推進,我們會擴展至更多地區,與理念一致的醫療機構和學術醫療中心進一步研究。我們的目標是確保醫療 AI 按照適用標準負責任地開發和部署,支持全球健康福祉。
注意:現階段,我們的研究合作並非用於診斷、治癒、緩解、治療或預防疾病,也不會提供醫療建議。
鳴謝
我們感謝 Harvard Medical School 和 Stanford Medicine 的研究夥伴,以及與團隊進行更多可信測試評估的眾多醫療中心和護理機構。本項目與 Google DeepMind、Google Research、Google Cloud 和 Google for Health 的多個團隊合作完成,感謝隊友提供真知灼見並作出貢獻。
AI 協作臨牀醫生有賴核心研究和工程團隊的努力,特別感謝 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 和 Adam Rodman。
我們感謝眾多合作夥伴作出的寶貴貢獻,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。影片由 Christopher Godfree、Matt Mager、Emma Moxhay 和 Simon Waldron 製作。
感謝 James Manyika 和 Demis Hassabis 在整個研究過程中提供真知灼見和支持。
來源:Google DeepMind · deepmind.google