人工智能产业的蓬勃发展，带来了人机交互模式的革新。自2022年11月OpenAI发布ChatGPT以来，大语言模型已经深刻影响了我们的工作和生活。作为未来大模型最主流的使用方式，智能体这一概念备受业界关注。
智能体（AI Agent），作为一种能够自主行动、感知环境、做出决策并与环境交互的计算机系统或实体，通常依赖大型语言模型作为其核心决策和处理单元，具备独立思考、调用工具去逐步完成给定目标的能力。
在医疗领域，智能体是否能够在结合大模型能力的基础上，满足医疗用户复杂多变的需求，进而在医疗诊断、科研创新、医学教育等多个关键领域中实现深度应用与融合？同时，专业智能体能否成为推动大模型在医疗领域成功落地的关键？
01
攒经验、能协同，智能体发展潜力大
基于大模型的智能体，其设计目标是实现对环境的有效互动，通过感知模块收集环境信息，通过行动模块来改变环境状态，整合了感知、决策、行动等多个环节，因而智能体在自主能力、决策能力、协作交互等方面展现出优势，弥补了大模型的不足，是大模型的“手脚”，更被视为AI技术与物理世界融合的桥梁。
当前，百度、智谱、火山引擎等企业纷纷推出了自家的智能体平台，以推动AI技术的广泛应用。火山引擎医药大健康行业解决方案总监王喆在一次公开演讲中透露，智能体在医疗行业拥有广阔的应用前景，目前山火引擎企业级智能体应用创新平台已经正式上线，并推出AI医生分身、科研小助手、AI咨询等创新产品。
凭借高效的学习能力，智能体拥有可能在某些特定医疗任务上超越人类专家的巨大潜力。
近日，清华团队开发了一款名为“Agent Hospital”的AI医院小镇，这个模拟医院完全由AI驱动，包括医生、护士和患者在内的所有角色都是通过大模型实现的智能体。它们能够自主交互，并模拟整个医疗过程，包括分诊、挂号、咨询、检查、诊断、治疗和随访等环节。
研究人员开发了一种名为MedAgent-Zero的系统，设计了14名医生和4名护士的智能体，这些医护角色能够从成功和失败的病例中不断学习、自我进化。AI医生在几天内就能完成对大约1万名患者的治疗，而人类医生需要2年时间才能完成等量工作。这虽然只是在模拟环境中与患者交互，通过不断的自主学习和进化，智能体能够在极短的时间内准确、高效地处理大量病例，这无疑为未来的AI医疗领域带来了无限的想象力与可能性。
四川大学华西第二医院党委书记黄勇曾对媒体表示，智能体在医生、患者以及医院管理三个层面均展现出了独特且显著的功能与价值。
面向医生的智能体，通过协助医生管理事务、按照优先级别提醒执行，能够极大减轻医生的工作压力，让他们更专注于患者的诊断和治疗。面向患者的智能体，则如同一位贴心的就医助理，为患者提供从院前咨询到院内检查预约的一站式服务。面向管理的智能体，能够为医院管理者提供精细化运营管理的手段和建议，通过收集和分析医院运营数据，智能体能够发现潜在问题并提出解决方案，帮助医院实现更加高效和精准的管理。
在健康管理领域，智能体的作用更加深入，如结合智能手表等设备实现实时监测和预警，为用户提供个性化的合理建议。
面对医疗领域中的复杂任务时，智能体往往通过相互协作，高效、准确地执行各项任务。
前文中，清华团队开发的模拟医院在训练数据集上存在局限性，主要基于第八版《传染病》中8种呼吸系统疾病的数据。这种数据集的单一性使得AI医生在应用场景上被局限在呼吸系统疾病领域，从而大大简化了真实的医疗过程。
在任务执行时，单个智能体依据特定角色的专业能力，可以独立完成某项任务。在实际的医疗场景中，当面临超出单个智能体能力范围的复杂任务时，它们能够迅速启动协作机制，召唤其他智能体加入，极大地增强了智能体系统应对复杂医疗场景的能力。
不同智能体之间的信息共享和协同决策，能够构建一个多智能体协作的生态系统，帮助医疗工作者做出更加明智的决策，多智能体协同工作也是未来智慧医疗发展的重要趋势。
02
专业智能体，实现垂类大模型能力？
在医疗领域，大模型与人类的交互通过精准的提示词（Prompt）得以实现，用户输入的提示词清晰度与明确性，对于大模型理解和响应的精准度至关重要。当前的大模型已经具备一定的智力水平，且知识储备丰富，但与特定领域结合并应用才能发挥更大的价值，这也为各个领域垂类大模型的发展提供了生存空间。
那么，依据特定场景与经验、规则和数据生成的智能体，是否有可能展现出比垂类大模型更为出色的能力？
以火山引擎的“AI医生分身”智能体为例，这款智能体以医疗垂类大模型为基石，获取医生的个人语料、声纹等资料，并对信息进行深度存储和加工。在持续实践中，通过自我反思和学习，逐步构建起对用户偏好、知识库和对话状态的长期记忆，实现患者的基本互动。
从架构上看，该智能体以通用大模型为底座，医疗垂类大模型作为核心中间层，确保其在医疗领域的专业性和精准性。智能体基于医疗垂类大模型，完成各类医患之间的互动任务。
可以看出，智能体的发展无疑受到大模型能力的深远影响。
今年6月，OpenAI宣布限制部分国家和地区的API使用，中国目前不在其支持列表内，这将导致中国开发者可能无法通过直接调用OpenAI API的方式来使用GPT系列的相关模型能力。一直以来，国内多家大模型厂商宣称已经开发出与OpenAI对标的大模型，但资深业内观察人士告诉亿欧大健康，理论上，随着通用大模型能力的不断增强，其在某些特定领域中的能力可能会超越现有的垂类大模型，这无疑给垂类大模型的发展带来了一定的风险和挑战。
此外，医疗垂类大模型面临的主要挑战是历史数据的稀缺以及原始数据的不准确，需投入大量精力去剔除数据的“包装”，从而确保数据的一致性和准确性。更值得注意的是，大模型在处理信息时还面临着信息时效性的问题，即如何平衡历史数据和当前数据中的矛盾，这也是大模型在数据训练过程中需要解决的难题之一。
同时，大模型的训练是一个高度工程化的问题，从参数量、训练数据到算力资源，再到部署运营、模型算法及安全可信等方面，每一个环节都需要精细化的管理和优化。
可以说，优质的大模型不仅是智能体实现垂类大模型能力的基石，更是决定智能体在特定领域中表现的关键因素。然而，智能体之所以能够展现出如此强大的市场竞争力，并不仅仅依赖于大模型的先进性。
实际上，智能体作为大模型在特定领域的应用，其独特的低代码构建和低成本研发等特点，使得智能体能够快速响应市场需求，灵活调整产品策略，为企业带来更高的效益。
03
商业落地与前景展望
智能体带来了新的应用生态、流量格局和商业模式。比尔盖茨近期在其个人网站撰文《AI is about to completely change how you use computers》中，阐述了智能体将在未来几年如何颠覆传统软件行业，并声称智能体将是未来AI*的赛道。在今年的世界人工智能大会中，李彦宏也表示最看好智能体的发展。智能体能够根据具体场景和需求进行深度定制和优化，成为机构数字化转型的重要工具。
当下，大模型的落地实施正遭遇多重挑战。为确保基于大模型构建的智能体能够顺利进入市场，并创造广泛的商业价值，这些智能体必须展现出*的专业水准。
这不仅要求开发者或专业人士在构建智能体时，需融入自身深厚的医疗知识储备，可以说，“师傅”专业水平的高低将直接影响智能体的质量。
此外，工具的有效利用是将大模型在企业内部落地实施的关键，智能体通过无缝对接医疗机构业务系统的接口和数据，自主完成各类业务目标，从而为企业创造显著的实际效益。作为智能体的核心模块，这些工具能够帮助获取并处理文本、语音、图片及文件等多模态信息，进一步丰富大模型处理复杂数据的能力。
尽管大语言模型的崛起确实带来了前所未有的机遇，但同时也面临着隐私保护、数据安全等不容忽视的挑战。随着智能体获取的信息越来越多，其能力愈发强大。因此，政府及相关部门需要在大语言模型原生应用发展初期就应给予足够的重视，制定规范、强化监管，确保大语言模型及其应用能够稳健、安全地发展。
“未来已来，只是尚未流行。” 随着通用大模型在数量上趋于稳定，市场正悄然迎来大模型在垂直行业中技术与应用的激烈角逐。在这场变革的浪潮中，智能体在智慧医疗领域的应用潜力正逐步释放与拓展，推动着传统医疗模式的创新与升级。未来，智能体将如何继续深化其在医疗领域的应用，可以拭目以待。
