多智能体协同重构医疗AI！清华AIR孵化：医生AI分身“坐诊”医院
鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI
哪里不舒服、持续了多久，还包括既往病史，这些零零碎碎的信息，都在预问诊阶段准备妥帖。
走进去更科幻更未来的是，这里的每个医生都能拥有辅助自己工作的专属AI分身，但这还远远不够。
围绕这个问题，紫荆智康此次带来了医学领域的 多分身智能体协同技术 （Multidisciplinary Human-Agent Collaboration），并进一步升级“紫荆AI医院”（Agent Hospital）。
AI医院里，AI医生与人类医生通力合作…… 一个连接真实诊疗、能够持续进化的虚拟医疗世界 ，正逐渐成形。
将多科室的专业判断，带进同一间诊室
先挂内科，查不出所以然转外科，外科看完再约影像科，几个科室的号都挂遍了，才轮得上发起一次正式的 多学科会诊 （MDT）。
紫荆智康的思路比较直接，既然让患者去找专家不太现实，那不如 先让专家分身集体到位 。
反之如果是那些跨学科的复杂问题，紫荆智康则干脆给这些分身搭了个 多学科协作会议 。
当具备不同专长的Agent分身依次加入分析，单一医生能获得的专业视角直接被大幅度拓宽。
举个例子，现在有位因甲亢进入内分泌科的患者，在问诊过程中，系统同步收集到患者还兼有哮喘病史的信息。
这就是多分身智能体协同的基本逻辑，它能够 把跨专科支持前置 到首诊、预问诊这些更早的环节。
换句话说，患者走进这间诊室时，就有一整个医生团队在打辅助，那些疑难重症专属的多学科支持就有可能成为日常诊疗的标配。
医生还是照常进行门诊，随着患者不断提供新信息，系统识别其它专科参与的需要，再把相关分身的意见以提醒方式呈现给医生。
对于已经明确需要多个专科共同分析的病例，多个分身直接参与其中，并在界面上围绕诊断、用药等环节呈现对应建议。
系统会分别呈现不同分身的建议， 对不一致之处高亮提醒 。医生能够看到意见来自哪个分身，再结合患者情况、相关依据及自己的经验，完成最终判断。
当AI建议跟我的判断不完全一致时，我会回顾输入的信息，看看是什么原因。 如果它根据现有资料给出的想法和我倾向的事情是不同方向的， 我会觉得很有意义 。 接下来我就需要非常慎重地去鉴别到底哪一个更符合实际情况。
对比其它医疗Agent，这也是紫荆智康的系统能够更好地补全专业视角、提供可追溯源头的核心所在。
比如微软在MAI-DxO研究中，通过模拟医生团队，围绕病例逐步获取信息、提出诊断假设并选择检查，以此研究诊断准确性与成本之间的关系。
这里的医生分身会在基础能力之上，持续学习真人医生，完成自进化成长，最终再将决策权交还给真人医生。
从这个角度看，多分身协同恰恰超越了“用AI替代医生”的传统叙事，实则让每个医生的背后，都站着 一整个随叫随到的专家团队 。
底座成型，让AI分身持续成长
分身从哪里获得能力，如何理解不断增加的患者信息，怎样适应医生的工作习惯，又如何接入医院原有流程……环环相扣，都会影响最终的使用效果。
类似的医疗智能体平台也有，比如微软的Healthcare Agent Orchestrator，会组织起不同的智能体处理信息，并围绕肿瘤会诊等复杂任务构建工作流。
这一核心技术路线，源自AIR刘洋教授团队在Agent Hospital构建之初提出的 SEAL ，即基于拟像的可进化智能体学习。
AI医生每天在里面高强度模拟诊疗，数百万超拟真AI患者求医问药，组成闭环式医疗虚拟世界。
成功的案例 可以进入病例库，供后续任务参考； 出现问题时 ，再从失败中反思、提炼经验，并经过整理，逐步形成可复用的规则。
只要短短几天时间，AI医生智能体就能完成几十万甚至上百万案例，把罕见病、复杂病、多病程组合全部跑一遍。
类比AlphaGo的自我对弈，AI医生在虚拟医院里自我进化。能力稳步提升的同时， 算力消耗也远低于传统大模型训练 。
但虚拟世界训练出的早期AI也有明显问题，它会倾向于把各种可能性考虑得 过度充分 。
AI给医生推荐的是疗效最好的药，但医生考虑到患者的经济情况，最后换成了相对便宜、进了医保的药。
通过引入现实世界中的验证与伴生成长，系统让分身与真人医生一起工作，再把医生的操作反馈进内部微调。
患者端 负责预问诊、健康资料与后续管理； 医生端 承接分身、病历及决策辅助； 医院端 支持排班、权限与数据管理。
三端产品把底层能力带到了不同角色面前。继续接入专科工具和合作伙伴，则是在此基础上推进的下一步。
截至2026年7月，该系统已构建54位AI医生和数百万超拟真AI患者，覆盖数千种疾病。
北京清华长庚医院已有18个临床科室开展门诊测试，40余名医生常态化使用，医生整体诊疗效率能够提升 30% 。
基准测试方面，AI医生在MedQA数据集上的准确率超过 96% ，并在多个国际医学评测数据集中均取得最高成绩。
AI医院的下一步，走向更多人
厂商也好，医院也罢，都习惯 从一个具体任务切入 ，比如影像识别、病历生成或辅助问诊。
哈佛、MIT、斯坦福这些 顶尖高校 ，的确拥有最完整的医学AI创新生态。但从实验走向临床，还缺乏系统工程验证。
顶尖医疗机构 （如梅奥诊所、多伦多总医院、克利夫兰诊所）倒是坐拥深厚的临床资源，也有丰富的患者需求。
硅谷的AI科技巨头们 走得会稍远一些，但医学只是它们布局的众多分支领域之一，缺乏体系级创新，也需要在实际诊疗中一步步理解和适配医疗流程。
生产级AI原生医疗系统的落地，需要让这些能力形成合力，所以当下 紫荆智康是T0级别 。
多篇论文相继登上《Nature Medicine》《NEJM AI》等医学AI顶刊。
其中，2024年海内外刷屏的Agent Hospital论文一炮而红，被称作 “世界上第一个AI医院” 。
相关实践还获得了 《Nature》 的重点关注，并被其列为AI虚拟分身落地医疗领域的核心参考案例。
从清华AIR出发，到登上顶刊，再到走进真实诊室，这支团队正在一步步将学术积累转化为医生和患者都用得上的产品。
One More Thing
君子当以厚德载物， 承袭自清华AIR的普惠特质 ，紫荆智康在技术的推进过程中，也始终没有落下医学的人文关怀。
紫荆智康主张，通过 价值对齐 ，将医学人文理念转化为算法可理解、可执行的约束与偏好。
也就是说，系统在设计之初就牢牢锁定了AI与人的协同边界，遵循 以人为本 的导向，明确AI的辅助定位。
在智能体的构建上，也 不追求全能且统一的超级AI ，而是保留每个智能体的差异性与多样性，博采众家之长。
落到实处，就是专业级能力的下放，让更多基层医生、赤脚医生乃至乡镇机构都得以享受一线资源，是实实在在造福于广大患者。
诚然，这条路并不轻松，每一道合规关卡、每一位医生习惯的切换，都要在具体实践中打磨。
Claude半小时解开密码学悬案，学界集体走偏20年 2026-10-17
突发！DeepSeek新模型发布，超级性价比斩杀一切 2026-10-17
RSI三块关键拼图，MemT 1.0从模型层补上「记忆」 2026-10-20
相关阅读
PPIO姚欣：让免费成为可能，AI时代开启“提速降费”｜中国AIGC产业峰会
任务级奖励提升App Agent思考力，淘天提出Mobile-R1，3B模型可超32B
@CEO，你的下一个私人助理何必是人类
IBM已“弃疗”，AI医疗研发10年不赚钱，终于打算卖了
ToC智能体火得快，但更大的价值在企业丨中关村科金@MEET2026
首个千亿生物医药ChatGPT来了！清华AIR聂再清：这个行业未来的“Killer APP”
热门文章
突发！DeepSeek新模型发布，超级性价比斩杀一切
DeepSeek服务器全球宕机！神秘Harness账号同时现身
库克：苹果智能接入阿里千问大模型，10月底在中国发布测试版本
智谱新模型，懂法方面全球第一了
清华开源！智能体操作系统任务成本降83%，AI记忆可查可改
量子位 QbitAI 版权所有©北京极客伙伴科技有限公司 京ICP备17005886号-1