《npj Digital Medicine》：The role of agentic artificial intelligence in healthcare: a scoping review
编辑推荐：
为明确医疗领域中“具身性人工智能（Agentic AI）”的概念与应用现状，研究人员开展了一项范围综述。通过系统检索与分析，研究发现尽管Agentic AI在癌症诊断、放射学、急诊医学及康复等场景中展现出高准确性和流程优化潜力，但相关研究仍处于探索阶段，缺乏临床验证。这项研究揭示了该领域的巨大潜力及其不成熟性，强调了未来亟需标准化定义、监管指导和严格评估。
在数字化浪潮席卷全球医疗领域的今天，人工智能（AI）正以前所未有的深度和广度融入诊疗流程的各个环节。从辅助影像诊断的算法，到预测疾病风险的模型，AI技术不断证明着其在提升医疗效率与精准度方面的价值。然而，随着技术演进，一种更为高级、更具主动性的AI形态——具身性人工智能（Agentic Artificial Intelligence, Agentic AI）——开始进入研究者的视野。与那些需要明确指令、在预设框架内被动响应的传统AI系统不同，Agentic AI被寄予厚望，它能够像一位“智能代理”一样，在明确的临床目标驱动下，自主地执行任务、发起行动，甚至进行多智能体协作，从而更灵活、更动态地应对复杂的临床环境。听起来，这无疑是未来智慧医疗的理想图景，有望从根本上重塑临床工作流。但现实真的如此吗？目前，关于医疗Agentic AI的研究到底进展到了哪一步？它在实际医疗场景中解决了哪些问题，又面临着怎样的挑战？学术界对它的定义和应用是否清晰？这些问题，恰恰是当前该领域知识版图中亟待填补的空白。
为了拨开迷雾，厘清现状，一项发表在《npj Digital Medicine》上的研究，通过严谨的范围综述方法，对医疗领域内Agentic AI的相关文献进行了系统性梳理与评估。研究人员跨越了PubMed、Embase、Scopus、Web of Science和IEEE Xplore五大权威数据库，旨在识别和总结那些真正符合“Agentic AI”特征——即具备自主操作、目标导向行为、行动发起等核心能力——的医疗应用研究。这项研究并非要验证某个具体算法的性能，而是要描绘一幅关于医疗Agentic AI发展的整体“地形图”：它已经出现在哪些科室？解决了什么临床问题？效果如何？整个领域又存在哪些共性的局限与挑战？
经过严格的筛选流程，研究团队最终锁定了七项符合条件的研究。这些研究虽然数量不多，但却像几颗散落的珍珠，串联起了Agentic AI在医疗领域早期探索的轨迹。它们涉及的领域颇具代表性，包括急诊医学、肿瘤学、放射学和康复医学。这些系统中的Agentic AI展现出了多样化的“智能”：有的能自主分析患者数据，在急诊场景中生成预警；有的能在肿瘤治疗中，根据既定目标为患者制定个性化的治疗计划；有的则在癌症影像诊断中表现出高准确率；还有的化身为康复教练，指导患者进行训练。更值得注意的是，部分研究还探索了多智能体协作的模式，让多个AI“代理”协同工作，共同优化复杂的临床工作流程。
为了达成上述研究目标，本综述主要采用了范围综述（Scoping Review）的研究方法。该方法适用于对新兴、复杂或异质性强的主题进行初步探索与范围界定。研究团队系统检索了五个核心数据库，并依据预设的纳入与排除标准（如研究必须涉及具有自主性和目标导向行为的AI系统在医疗健康中的应用）对文献进行筛选。最终纳入的七项研究构成了分析的基础，研究者从中提取了关于AI系统特征、应用领域、实施结果以及研究局限性等关键信息进行综合叙述与分析。
研究结果
1. 应用领域与系统功能
纳入的七项研究展示了Agentic AI在四个关键医疗领域的应用：急诊医学、肿瘤学、放射学和康复医学。在急诊场景中，系统能够自主监测患者生命体征数据，并在检测到符合特定临床路径的异常模式时，自动生成警报。在肿瘤学领域，系统展现出两大功能：一是基于医学影像等数据，以高准确度辅助诊断癌症；二是根据治疗目标（如最大化疗效、最小化副作用），为患者制定个性化的治疗计划。在放射学中，AI代理被用于自动化影像分析流程。而在康复医学中，系统则扮演了虚拟教练的角色，能够指导患者进行锻炼并提供实时反馈。
2. 报告的结果与性能
这些研究初步报告了Agentic AI应用的积极结果。在诊断性能方面，一项针对癌症检测的研究报告了高水平的诊断准确率。在流程优化方面，系统通过自动化预警和任务分配，显示了提升临床工作效率的潜力。在干预效果方面，康复教练类应用在改善患者运动依从性和效果上呈现出积极趋势。此外，采用多智能体架构的研究表明，这种协作方式有助于管理更复杂的、涉及多步骤的临床工作流。
3. 研究的局限性与挑战
尽管前景看好，但综述揭示出当前研究的显著局限性。首先，绝大多数研究（七项中的六项）属于探索性或概念验证性质，研究范围和规模非常有限。一个关键的薄弱点是临床验证的缺失：仅有一项研究实际涉及了患者参与的前瞻性试验，其余研究缺乏在真实临床环境中的严格验证。其次，文献中对“Agentic AI”本身缺乏清晰、一致的概念定义和操作化标准，常与更宽泛的“AI代理”概念相混淆。这给该领域的学术交流与技术评估带来了困难。最后，这些研究普遍未能深入讨论与Agentic AI临床部署相关的关键现实问题，例如监管合规路径、与现有医院信息系统的集成挑战、潜在的错误责任归属以及长期的成本效益分析。
结论与讨论
本项范围综述得出结论：Agentic AI在医疗保健领域代表着一种具有巨大前景的技术演进方向，其核心优势在于能够在特定目标驱动下自主运作，从而可能显著提升诊疗的及时性、个性化和整体效率。现有的早期研究已经在急诊预警、肿瘤诊疗、影像分析和康复指导等场景中，初步证明了其在提升准确性、优化工作流程方面的潜在价值。
然而，综述更重要的价值在于清晰地指出了该领域目前整体上仍处于“不成熟”的早期阶段。这种不成熟性主要体现在三个方面：一是研究质量方面，现有工作大多为小规模的探索性研究，严重缺乏强有力的临床证据支持其有效性与安全性；二是概念框架方面，对“Agentic AI”缺乏标准化定义，导致研究边界模糊，不利于知识的积累与比较；三是实践路径方面，对于如何将这类具有高度自主性的系统安全、合规、有效地整合到复杂的现实医疗环境中，尚未有清晰的路线图。
因此，这项研究的意义在于为医疗Agentic AI这一新兴领域绘制了一份及时的“现状快照”与“发展路线图”。它不仅汇总了早期的应用尝试，更重要的是敲响了警钟，指明了前进道路上必须优先解决的关键障碍。未来，推动该领域走向成熟，迫切需要研究人员、临床专家、监管机构和技术标准组织的共同努力。首要任务是建立关于医疗Agentic AI的共识性定义与分类体系。在此基础上，必须设计和实施更为严谨的临床试验，在真实世界环境中评估其临床效用、安全性和成本效益。同时，亟需开展关于伦理、法律、社会影响（ELSI）以及系统互操作性、责任框架等方面的前瞻性研究。只有通过这些系统性的努力，才能确保Agentic AI的潜力得以安全、负责任地实现，最终真正造福于患者和医疗系统。
