AMIE och MIRA imponerar i tester – men är långt från vårdcentralen

De senaste studierna av medicinsk AI har väckt stora rubriker. I två arbeten som publicerades i Nature i juni 2026 testades Googles AMIE och AI-agenten MIRA i olika delar av patientvården. Resultaten var påfallande: systemen matchade eller överträffade läkare i flera simulerade situationer.

Men den viktiga brasklappen är minst lika stor som framgången. Varken AMIE eller MIRA har visat att de förbättrar vårdresultaten för riktiga patienter i vanlig klinisk verksamhet. Det handlar fortfarande om avancerade forskningsprototyper – inte om digitala läkare som kan ta över ansvaret i vården.

Två olika angreppssätt

AMIE går från diagnos till långsiktig uppföljning

AMIE står för Articulate Medical Intelligence Explorer och har utvecklats av Google Research, Google DeepMind och Google Health. Den ursprungliga versionen var en textbaserad samtals-AI som tränats för att ta sjukdomshistorik och resonera kring möjliga diagnoser.

I en randomiserad, dubbelblind crossover-studie fick AMIE samtala med tränade patientskådespelare i simulerade konsultationer. På flera kliniskt relevanta områden presterade systemet minst lika bra som legitimerade primärvårdsläkare .

Den nya versionen försöker ta nästa steg: att följa och hantera kroniska sjukdomar över flera vårdbesök. Systemet bygger på en uppdelning mellan en dialogagent, som sköter samtalet med patienten, och en mer djupt resonerande agent, som jämför hundratals sidor kliniska riktlinjer och tar fram förslag på utredning och behandling .

I en blindad utvärdering med 100 scenarier och tre simulerade besök ingick områden som hjärt-kärlsjukdomar, lungsjukdomar, neurologi, obstetrik och gynekologi, urologi samt mag- och tarmsjukdomar. Scenarierna byggde på riktlinjer från NICE och BMJ Best Practice.

Specialistbedömare ansåg att AMIE:s rekommendationer oftare var exakta matchningar mot riktlinjerna. Vid det andra besöket stämde förslagen om undersökningar exakt i 99 procent av fallen, jämfört med 84 procent för läkarna. Vid det tredje besöket var motsvarande siffror 100 respektive 88 procent. AMIE:s planer innehöll dessutom uttryckliga hänvisningar till riktlinjekällorna .

MIRA arbetar inne i journalsystemet

MIRA representerar en annan typ av medicinsk AI. I stället för att främst föra samtal är den tänkt att arbeta direkt i elektroniska patientjournaler. I det simulerade sjukhusinformationssystemet kunde agenten analysera medicinsk information, föreslå undersökningar och förbereda diagnostiska och behandlingsrelaterade beslut. Det kunde bland annat handla om läkemedel och rekommendationer om inläggning .

I retrospektiva simuleringar med verkliga patientfall nådde MIRA en sammanlagd diagnostisk träffsäkerhet på 87,8 procent. Gruppen av specialistläkare nådde 78,1 procent. Skillnaden var särskilt tydlig för vissa diagnoser: vid pankreatit fick MIRA 95,2 procent mot läkarnas 78,6 procent, medan blindtarmsinflammation gav 100 procent mot 88 procent .

MIRA beställde blodprover oftare än läkarna – 51 procent av fallen jämfört med 28 procent – men beställde samtidigt betydligt färre bilddiagnostiska undersökningar . Systemet hade tillgång till mer än 85 000 möjliga kliniska åtgärder. Forskarna testade också agenten mot 880 medvetet vilseledande instruktioner och rapporterade inga fall av dataläckage i utvärderingen .

Den stora skillnaden mellan simulering och vård

Trots de starka siffrorna har systemen ännu inte testats på riktiga patienter i vanlig klinisk drift. Det är den centrala invändningen i den bredare forskningen om AI-agenter i vården.

En omfattande översikt pekar på bristen på robust klinisk validering i verkliga miljöer som ett huvudproblem. Många tester använder idealiserade eller syntetiska datamängder, i stället för journaler med saknade värden, ojämn datakvalitet och den oordning som präglar verklig vård. Därför är systemens faktiska kliniska nytta fortfarande i stor utsträckning obekräftad av prospektiva studier .

Det finns också mer grundläggande begränsningar:

• Ingen fysisk undersökning. Textbaserade system och journalagenter kan inte känna på en buk, lyssna på hjärtat eller bedöma en patients gång. Den typen av information är avgörande vid många diagnoser.
• Ingen bevisad kontinuerlig inlärning. En genomgång av 2026 års AI Index-kapitel om medicin fann att inget av de granskade systemen visade kontinuerligt lärande eller långtidsminne mellan olika patientmöten .
• Simulerade patienter. AMIE:s studie använde professionella patientskådespelare i virtuella OSCE-liknande situationer. MIRA testades retrospektivt, där AI-agenter simulerade patienternas beteende i stället för att systemet mötte verkliga patienter .
• Kända säkerhetsrisker. Hallucinationer, svårbegripliga beslut, bristande samordning mellan agenter och sårbarhet för intrång i journalsystem är fortfarande öppna riskområden .

Experter: Ett stort steg, men inte ett genombrott för kliniken

Forskare som kommenterat studierna har beskrivit dem som ett kvalitativt språng framåt, men har samtidigt betonat att resultaten kommer från kontrollerade miljöer . Det är en viktig distinktion. Ett system kan vara imponerande på ett standardiserat test utan att vara tillräckligt säkert, robust eller praktiskt för sjukvårdens vardag.

Kan vårdpersonal lita på besluten?

När en AI-agent föreslår en diagnos eller behandling är det ofta svårt att följa exakt hur den kom fram till slutsatsen. Bristande tolkningsbarhet kan minska läkarnas förtroende och göra det svårare att upptäcka fel innan de påverkar patienten .

Vem bär ansvaret om något går fel?

Om ett AI-genererat råd leder till en felaktig behandling är det fortfarande oklart hur det juridiska och etiska ansvaret ska fördelas mellan utvecklaren, vårdgivaren och den behandlande läkaren. Varken dagens amerikanska regelverk eller EU:s AI-förordning är fullt ut anpassade till de särskilda styrningsproblem som autonoma AI-agenter i vården skapar .

Fungerar systemen överallt?

En modell som tränats eller utvärderats på data från ett enskilt sjukhus eller en specifik databas behöver inte fungera lika bra i andra vårdsystem, med andra administrativa rutiner eller andra patientgrupper. Det gäller särskilt data från databaser som MIMIC-IV, som huvudsakligen kommer från ett begränsat antal vårdmiljöer .

Risken för överdriven tilltro

Även forskare bakom en mer begränsad version av AMIE, kallad g-AMIE, har byggt in tydliga spärrar. Systemet ska kunna ta sjukdomshistorik, sammanfatta information och föreslå möjliga diagnoser och behandlingsplaner för en läkare – men avstå från att ge individuella medicinska råd på egen hand . Den konstruktionen säger något viktigt: obevakad autonom användning anses fortfarande för tidig och potentiellt farlig.

Har AMIE kommit närmare verklig användning?

AMIE har tagit vissa steg ut ur laboratoriet. I en prospektiv, enkelarmad genomförbarhetsstudie med Beth Israel Deaconess Medical Center undersöktes hur systemet kunde samla in information före ett besök i öppenvården .

I en separat genomförbarhetsstudie inom akutsjukvård följdes 100 patienter. AMIE:s differentialdiagnos innehöll den slutliga diagnosen i 90 procent av fallen och låg bland de tre främsta förslagen i 75 procent. Primärvårdsläkarna bedömdes dock ha bättre förslag när det gällde praktisk genomförbarhet och kostnadseffektivitet i behandlingsplanerna .

Det är lovande tidiga signaler, men genomförbarhetsstudier är inte samma sak som randomiserade kontrollerade studier som visar förbättrad hälsa, färre komplikationer eller bättre tillgång till vård.

Vad krävs innan AI-agenter kan användas rutinmässigt?

Flera trösklar måste passeras:

• Tydliga regulatoriska vägar. AI som används för diagnos eller behandlingsbeslut behöver dokumenterad säkerhet och effektivitet. Det saknas fortfarande ett etablerat regelverk för kontinuerligt lärande, autonoma agenter i klinisk drift.
• Säker integration med journaler. När AI-genererad text blandas med mänskligt skrivna journalanteckningar kan det bli oklart vem som har formulerat ett påstående och vem som ansvarar för det. Spårbarhet blir därför central .
• Mänsklig kontroll. Sjukvården behöver veta när systemet ska avstå, när en läkare måste granska ett förslag och hur felaktiga eller osäkra svar ska hanteras.
• Komplettering med fysisk undersökning. Ingen av de text- och strukturdatasbaserade arbetsformerna kan ersätta den praktiska patientbedömningen.
• Testning på olika befolkningar. Det krävs validering i verkliga vårdmiljöer och bland patientgrupper med varierande ålder, bakgrund, sjukdomsbild och tillgång till vård.

Slutsats: Viktiga forskningsresultat, inte digitala läkare

Studierna av AMIE och MIRA visar att medicinsk AI har tagit ett tydligt kliv framåt. AMIE kan simulera uppföljning av kroniska sjukdomar över flera besök och använda kliniska riktlinjer för att planera utredning och behandling. MIRA visar i sin tur hur en AI-agent kan navigera i ett journalsystem och föreslå kliniska åtgärder i retrospektiva tester .

Men avståndet till verklig sjukvård är fortfarande stort. Riktiga patienter är inte standardiserade testfall. Journaler innehåller luckor, vårdpersonal arbetar under tidspress och varje beslut måste kunna förklaras, granskas och kopplas till ett tydligt ansvar.

De viktigaste nästa stegen är därför prospektiva studier med riktiga patienter, bevis på förbättrade vårdresultat, tydliga säkerhetskrav och validering i olika vårdsystem och befolkningsgrupper. Fram till dess bör AMIE och MIRA ses som lovande verktyg för framtida kliniskt stöd – inte som ersättare för läkare.