喺一項盲法評估入面，總共100個三次門診場景，涵蓋心臟科、肺科、神經科、婦產科/泌尿科同腸胃科，每個場景都用NICE同BMJ Best Practice指引做基礎。結果顯示，AMIE嘅檢查同治療建議更加精準。由專科醫生評分，發現AMIE嘅方案係「完全吻合」嘅比例明顯更高：第二次門診檢查建議99%對84%，第三次門診仲升到100%對88%，而且仲會列明引用邊份指引。

MIRA就採取咗另一條路。佢唔係專注對話，而係直接喺電子病歷系統入面操作。根據Else Kröner Fresenius數碼健康中心嘅LinkedIn帖文，Jakob Nikolas Kather領導嘅研究團隊開發咗MIRA，可以自主評估醫療資訊、幫手落檢查單，仲準備診斷同治療決定——係喺一個模擬醫院資訊系統入面，用真實病人病例做嘅。

喺回顧性模擬測試中，MIRA嘅整體診斷準確率係87.8%，而獲得專科資格嘅醫生係78.1%。特別係某啲診斷，例如胰臟炎（95.2%對78.6%）同闌尾炎（100%對88%），差距仲更加明顯。MIRA開嘅血液檢查比醫生多（51%對28%），但另一方面就少開咗好多影像檢查。呢個系統可以執行超過85,000個臨床動作，同時仲接受咗880個刻意設計嚟呃AI嘅對抗性提示測試，結果冇出現資料外洩。

關鍵限制

數字好靚，但兩個系統都要面對同一個現實：佢哋仲未喺真實病人同真實診症環境入面測試過。模擬同現實之間嘅差距，係專家評論醫療AI代理時最常提到嘅主題。

一篇喺PMC發表嘅全面性範圍回顧報告，直接點出主要挑戰：「缺乏喺真實世界環境入面嘅穩健臨床驗證。」 好多評估都用理想化、合成嘅數據集，而唔係真實病歷記錄嗰種稀疏、唔平衡、成日有缺失值嘅情況。呢篇報告總結話，呢啲系統嘅真實臨床效用，到目前為止仍然冇前瞻性研究可以確認。

其他主要限制仲包括：

• 得文字同結構化數據。 無論AMIE定MIRA，主要都係靠文字同結構化數據運作。兩者都做唔到身體檢查——摸肚、聽心跳、睇病人點行路。呢個唔係小問題；身體檢查對於好多診斷仍然係必不可少。

• 唔會持續學習。 2026年AI Index Report嘅醫學章節分析確認，冇一個系統展示出持續學習或者跨唔同病人嘅長期記憶能力。

• 用演員，唔係真病人。 AMIE嘅跨門診疾病管理研究雖然嚴謹，但係用專業演員去做虛擬OSCE式嘅會診。MIRA嘅評估就用回顧性病例，AI代理同模擬病人行為嘅AI對話，而唔係同真實病人互動。

• 安全漏洞。 同一份AI Index分析仲指出，幻覺、決策唔透明、代理之間協調失敗，同容易受到電子病歷系統攻擊，都係自主醫療AI嘅開放安全風險。

專家點睇

有科學家評論呢兩篇《自然》研究時，承認佢哋嘅重要性，但同時強調距離臨床應用仲有好大距離。英國科學媒體中心收集嘅專家反應話，呢啲研究係「質嘅飛躍」，但亦指出結果係嚟自受控環境。

更廣泛嘅醫療AI代理研究仲指出幾個持續關注點：

可解釋性同信任。 AI代理產生診斷或治療建議時，背後嘅推理過程好多時唔夠透明，醫生好難搞清楚點樣得出結論。呢個會削弱信任，阻礙應用。

責任歸屬模糊。 如果出錯，究竟係AI開發者、採用機構、定係監察醫生需要負責？目前嘅監管框架，包括FDA同歐盟AI法案，都未有針對自主醫療AI嘅特定管治要求。

普及性。 用單一醫療中心或特定數據集（好似MIMIC-IV）訓練同評估嘅系統，可能喺唔同人口、行政流程或醫療系統入面表現唔穩定。

過度依賴風險。 就算係開發咗有防護版本AMIE（叫g-AMIE）嘅研究人員，都承認需要明確限制。g-AMIE嘅設計係要做問診，同時避免提供個人化醫療建議——呢個係明確承認，冇限制嘅自主使用係唔成熟同有潛在危險嘅。

點樣先可以真正落地

無論AMIE定MIRA，都未準備好做常規臨床應用。AMIE已經行咗一步，同Beth Israel Deaconess Medical Center合作做咗一項前瞻性、單組可行性研究，探討AMIE喺基層醫療門診前點樣幫手收集病人資訊。另外仲有一項同100位病人做嘅緊急護理可行性研究，評估AMIE嘅診前問診，發現佢嘅鑑別診斷包含最終診斷嘅比率係90%，頭三個最準確診斷嘅準確率係75%——不過基層醫生喺管理計劃嘅實用性同成本效益方面仍然好過AMIE。

呢啲係令人鼓舞嘅初步訊號，但只係可行性研究——唔係可以證明改善病人結果嘅隨機對照試驗。醫療AI代理呢個領域要真正落地，仲有幾個未解決嘅挑戰：

• 監管途徑。 幫手診斷或管理嘅臨床AI系統需要證明安全性同有效性。目前冇一個主要監管機構為持續學習嘅自主臨床代理建立清晰框架。

• 同電子病歷系統整合。 將大型語言模型整合入現有電子病歷系統，會帶嚟實際同管治上嘅挑戰，包括AI產生同人類產生嘅內容可能會混合埋一齊，令到臨床責任變得模糊。

• 身體檢查呢個缺口。 文字對話式AI同結構化數據代理冇辦法做返身體檢查，而呢個仍然係臨床實務嘅核心。

• 健康公平。 兩個系統都未喺多元化嘅真實世界人口入面做過驗證，足以支持公平表現嘅說法。

總結

2026年6月嘅呢啲研究代表咗真正嘅進步。AMIE已經由單次診症對話，進化到跨門診疾病管理，仲有指引做基礎嘅推理。MIRA就展示咗一個自主代理可以喺電子病歷系統入面操作，喺小心控制嘅回顧性模擬入面，開檢查同治療嘅水平同醫生睇齊甚至更好。

但係呢啲展示同真實世界醫學之間嘅差距仲係好大。正如醫療AI代理範圍回顧報告所講，大多數評估用嘅數據同設定，都反映唔到真實臨床環境嘅雜音、模糊性、資源限制同問責要求。

下一個關鍵里程碑會係喺真實病人身上做前瞻性研究、有清晰嘅監管框架、喺多元化人群中證明安全性，同埋有證據顯示呢啲系統可以改善結果，而唔係只係喺測試場景中同醫生表現睇齊。喺呢個之前，AMIE同MIRA都只係令人印象深刻嘅研究原型——唔係取代人類醫生嘅工具，而係潛在嘅未來輔助工具，需要更多驗證先適合放喺任何診所入面。

喺一項盲法評估入面，總共100個三次門診場景，涵蓋心臟科、肺科、神經科、婦產科/泌尿科同腸胃科，每個場景都用NICE同BMJ Best Practice指引做基礎。結果顯示，AMIE嘅檢查同治療建議更加精準。由專科醫生評分，發現AMIE嘅方案係「完全吻合」嘅比例明顯更高：第二次門診檢查建議99%對84%，第三次門診仲升到100%對88%，而且仲會列明引用邊份指引。

MIRA就採取咗另一條路。佢唔係專注對話，而係直接喺電子病歷系統入面操作。根據Else Kröner Fresenius數碼健康中心嘅LinkedIn帖文，Jakob Nikolas Kather領導嘅研究團隊開發咗MIRA，可以自主評估醫療資訊、幫手落檢查單，仲準備診斷同治療決定——係喺一個模擬醫院資訊系統入面，用真實病人病例做嘅。

喺回顧性模擬測試中，MIRA嘅整體診斷準確率係87.8%，而獲得專科資格嘅醫生係78.1%。特別係某啲診斷，例如胰臟炎（95.2%對78.6%）同闌尾炎（100%對88%），差距仲更加明顯。MIRA開嘅血液檢查比醫生多（51%對28%），但另一方面就少開咗好多影像檢查。呢個系統可以執行超過85,000個臨床動作，同時仲接受咗880個刻意設計嚟呃AI嘅對抗性提示測試，結果冇出現資料外洩。

關鍵限制

數字好靚，但兩個系統都要面對同一個現實：佢哋仲未喺真實病人同真實診症環境入面測試過。模擬同現實之間嘅差距，係專家評論醫療AI代理時最常提到嘅主題。

一篇喺PMC發表嘅全面性範圍回顧報告，直接點出主要挑戰：「缺乏喺真實世界環境入面嘅穩健臨床驗證。」 好多評估都用理想化、合成嘅數據集，而唔係真實病歷記錄嗰種稀疏、唔平衡、成日有缺失值嘅情況。呢篇報告總結話，呢啲系統嘅真實臨床效用，到目前為止仍然冇前瞻性研究可以確認。

其他主要限制仲包括：

• 得文字同結構化數據。 無論AMIE定MIRA，主要都係靠文字同結構化數據運作。兩者都做唔到身體檢查——摸肚、聽心跳、睇病人點行路。呢個唔係小問題；身體檢查對於好多診斷仍然係必不可少。

• 唔會持續學習。 2026年AI Index Report嘅醫學章節分析確認，冇一個系統展示出持續學習或者跨唔同病人嘅長期記憶能力。

• 用演員，唔係真病人。 AMIE嘅跨門診疾病管理研究雖然嚴謹，但係用專業演員去做虛擬OSCE式嘅會診。MIRA嘅評估就用回顧性病例，AI代理同模擬病人行為嘅AI對話，而唔係同真實病人互動。

• 安全漏洞。 同一份AI Index分析仲指出，幻覺、決策唔透明、代理之間協調失敗，同容易受到電子病歷系統攻擊，都係自主醫療AI嘅開放安全風險。

專家點睇

有科學家評論呢兩篇《自然》研究時，承認佢哋嘅重要性，但同時強調距離臨床應用仲有好大距離。英國科學媒體中心收集嘅專家反應話，呢啲研究係「質嘅飛躍」，但亦指出結果係嚟自受控環境。

更廣泛嘅醫療AI代理研究仲指出幾個持續關注點：

可解釋性同信任。 AI代理產生診斷或治療建議時，背後嘅推理過程好多時唔夠透明，醫生好難搞清楚點樣得出結論。呢個會削弱信任，阻礙應用。

責任歸屬模糊。 如果出錯，究竟係AI開發者、採用機構、定係監察醫生需要負責？目前嘅監管框架，包括FDA同歐盟AI法案，都未有針對自主醫療AI嘅特定管治要求。

普及性。 用單一醫療中心或特定數據集（好似MIMIC-IV）訓練同評估嘅系統，可能喺唔同人口、行政流程或醫療系統入面表現唔穩定。

過度依賴風險。 就算係開發咗有防護版本AMIE（叫g-AMIE）嘅研究人員，都承認需要明確限制。g-AMIE嘅設計係要做問診，同時避免提供個人化醫療建議——呢個係明確承認，冇限制嘅自主使用係唔成熟同有潛在危險嘅。

點樣先可以真正落地

無論AMIE定MIRA，都未準備好做常規臨床應用。AMIE已經行咗一步，同Beth Israel Deaconess Medical Center合作做咗一項前瞻性、單組可行性研究，探討AMIE喺基層醫療門診前點樣幫手收集病人資訊。另外仲有一項同100位病人做嘅緊急護理可行性研究，評估AMIE嘅診前問診，發現佢嘅鑑別診斷包含最終診斷嘅比率係90%，頭三個最準確診斷嘅準確率係75%——不過基層醫生喺管理計劃嘅實用性同成本效益方面仍然好過AMIE。

呢啲係令人鼓舞嘅初步訊號，但只係可行性研究——唔係可以證明改善病人結果嘅隨機對照試驗。醫療AI代理呢個領域要真正落地，仲有幾個未解決嘅挑戰：

• 監管途徑。 幫手診斷或管理嘅臨床AI系統需要證明安全性同有效性。目前冇一個主要監管機構為持續學習嘅自主臨床代理建立清晰框架。

• 同電子病歷系統整合。 將大型語言模型整合入現有電子病歷系統，會帶嚟實際同管治上嘅挑戰，包括AI產生同人類產生嘅內容可能會混合埋一齊，令到臨床責任變得模糊。

• 身體檢查呢個缺口。 文字對話式AI同結構化數據代理冇辦法做返身體檢查，而呢個仍然係臨床實務嘅核心。

• 健康公平。 兩個系統都未喺多元化嘅真實世界人口入面做過驗證，足以支持公平表現嘅說法。

總結

2026年6月嘅呢啲研究代表咗真正嘅進步。AMIE已經由單次診症對話，進化到跨門診疾病管理，仲有指引做基礎嘅推理。MIRA就展示咗一個自主代理可以喺電子病歷系統入面操作，喺小心控制嘅回顧性模擬入面，開檢查同治療嘅水平同醫生睇齊甚至更好。

但係呢啲展示同真實世界醫學之間嘅差距仲係好大。正如醫療AI代理範圍回顧報告所講，大多數評估用嘅數據同設定，都反映唔到真實臨床環境嘅雜音、模糊性、資源限制同問責要求。

下一個關鍵里程碑會係喺真實病人身上做前瞻性研究、有清晰嘅監管框架、喺多元化人群中證明安全性，同埋有證據顯示呢啲系統可以改善結果，而唔係只係喺測試場景中同醫生表現睇齊。喺呢個之前，AMIE同MIRA都只係令人印象深刻嘅研究原型——唔係取代人類醫生嘅工具，而係潛在嘅未來輔助工具，需要更多驗證先適合放喺任何診所入面。