当前位置： AI资讯 > 内文

医疗智能体｜破解传统MDT四大痛点，大模型真能解放医生？

2025-05-07 关键词： 医疗大模型

智能体（Agent）作为计算机科学与人工智能的发展方向，是指能够自主感知环境，并根据已有知识及获得反馈更新其行为进行学习的决策实体。它具备自主性、交互性、反应性和适应性等基本特征，能够在复杂多变的环境中独立完成任务。智能体的出现，标志着人工智能从简单的规则匹配和计算模拟向更高级别的自主智能迈进。

在医疗领域，智能体通过实时集成和分析患者数据，结合大模型的推理能力及医学知识库，能够实现辅助决策、质控任务的智能化与自动化，辅助医生提升医疗质量和效率。为解析智能体在各医疗场景中的应用，CDSreport此前已经分析了“鉴别诊断”和“病情分析”智能体的的建设和应用进行分析，本期将继续探讨多学科诊疗（MDT）智能体。

MDT依靠人工易出现这些问题

基于循证医学证据的多学科诊疗（MDT）模式融合了三大支柱，即最佳证据、专家经验和个人意愿，减少专科医生的选择偏倚，强调对患者诊疗决策的改变，既保证了决策方案的科学性、有效性，又兼顾了实用性、可行性。MDT诊疗可提高患者临床获益，优化医疗资源使用，制约不合理的个人诊疗决策，提高不同角色医护人员在诊疗决策中的参与度，增加团队成员学习和受教育机会，提升医疗团队水平，拓展科研探索思路，加快临床试验入组效率，降低医疗纠纷发生率，最终使医患双方均受益。

但是，依靠人工的MDT同样存在多种弊端，导致讨论过程易受阻，甚至影响到讨论的质量和效率。

耗时长：传统MDT讨论需要协调多学科专家时间，会议筹备与讨论过程繁琐，难以快速响应患者需求。

信息遗漏：人工整合患者信息易出现疏漏，影响诊疗方案的完整性与准确性。

讨论不充分：由于时间与资源限制，部分病例讨论可能流于形式，无法深入挖掘问题本质。

记录不规范：缺乏标准化会议记录，影响后续执行与追溯，不利于质量控制与持续改进。

目前，人工智能技术在医疗领域的应用显著提升了医疗服务的质量和效率。随着像DeepSeek这样的先进大型模型技术的出现和实施，它解决了仅依靠人工存在的耗时长、易遗漏等问题，为MDT提高讨论及记录的质量和效率带来了新的可能性。

建设MDT智能体要注意这三点

MDT智能体的建设旨在辅助医生完成病历信息整理、病情分析、治疗方案讨论、记录讨论等并综合会诊意见形成下一步治疗方案。在大模型技术基础上，MDT智能体能够在数秒形成讨论方案和诊疗建议，供各学科医生讨论时借鉴，在大幅降低人工耗时、信息遗漏概率的同时，显著提升讨论的效率和规范性，以此提升MDT质量和服务能力。

以一位58岁初诊疑似肺癌的患者为例，其CT结果发现肺部结节伴纵膈淋巴结肿大，临床医生将其纳入MDT流程。此时，MDT智能体自动提取了患者影像特征（结节大小、毛刺征）、病理活检结果（腺癌，PD-L1高表达）、基因检测（EGFR阴性），并基于NCCN指南生成初步方案（手术切除+辅助化疗/免疫治疗），并标注争议点（淋巴结转移范围是否影响手术可行性），最后在MDT会议中辅助胸外科与肿瘤科等专家，围绕指南和文献达成“新辅助免疫治疗后手术”的共识。会议结束后，智能体能够自动完成MDT讨论记录和报告，并同步至患者病历。以往，通过人工完成该MDT流程动辄需要花费超过60分钟，智能体则将该过程缩短至10-15分钟，讨论和记录质量也得到显著提升。

与鉴别诊断和病情分析不同，MDT智能体除了要理解诊疗逻辑、病历信息等数据外，还要区分并理解各学科的职责，并将各学科建议整理分析为下一步治疗方案。因此，在MDT智能体建设过程中，要着重注意训练数据收集、微调优化以及MDT知识库建设等方面。

MDT训练数据收集：高质量的MDT讨论记录是大模型在MDT智能体建设中的基础，其背后蕴含着患者既往史、检查检验结果等信息与各医学学科的关系，以及诊疗计划与MDT讨论的逻辑关系，因此需要开发人员收集、筛选出高质量的病历文本。

MDT知识库建设：在临床诊疗过程中，MDT通常会给出最终诊疗方案，因此对患者诊疗质量具有重要的决定性作用，因此MDT知识库的建设需要确保各学科和专科的诊疗指南、医学文献、药物说明书等知识的权威性，并保持知识始终处于最新版本。

微调及优化：采用监督微调（SFT）和强化学习（RL）等技术对大型模型进行微调已经成为业界共识。然而，MDT智能体的构建过程旨在整合各学科的诊疗建议，因此微调过程可能需要针对不同的专业和学科领域进行定制化的优化。

医疗智能体MDT并非取代医生，而是通过技术赋能，将专家从繁琐事务中解放，使其聚焦核心决策。随着大模型技术的迭代，未来智能体有望进一步实现“跨院区协同MDT”“患者参与式决策”等创新场景。对医院管理者而言，拥抱这一变革，既是提升服务竞争力的必然选择，更是实现“健康中国2030”目标的关键路径。

参考资料：

[1]傅睿,吴一龙,钟文昭.2020版肺癌多学科团队诊疗中国专家共识解读[J].中国肿瘤临床,2022,49(04):163-167.

[2]孙琛.肿瘤多学科协作诊疗模式运行质量评价指标体系构建研究[D].山东大学,2023.