计虹：医疗智能体应用已步入可持续、可进化的“深水区”

来源：HIT专家网 作者：李崇铭

“当前，医疗人工智能已度过早期的概念验证和场景爆发阶段，进入追求智能体可持续、可衡量、可进化价值的‘深水区’。医疗智能体能否做得好、用得久、价值高，对医院自身的能力提出了更高要求。”

近期，在HIT专家网学苑主办的“2026年医院智能体应用专题培训”会议上，北京大学第三医院（以下简称北医三院）信息管理与大数据中心主任计虹介绍了智能体的技术发展、北医三院“三院灵智”智能体系等落地应用，并分享了智能体热潮下关于技术挑战及未来展望的“冷思考”。

技术迭代周期缩短，AI Agent应用能力进化

AI Agent（AI智能体）除了能够完成RPA（流程自动化），还具备理解任务、感知场景、自主决策、持续改进等能力。

“数智化热潮下，如何将日新月异的技术快速落地应用到医疗行业中？”计虹认为，首先要对AI Agent的技术路径有正确的认识：AI Agent和AI Assistant（AI助理）在目标导向、交互模式、任务处理等多个维度上存在差异。前者提供的是主动的、能够理解并执行复杂多步骤任务、自主调用外部API等能力，可以持续学习、优化反思。

从AI Agent的主流架构来看，其能力由规划、记忆、技能、行动四个关键部分组成。其中记忆又分为短期记忆和长期记忆。在AI Agent应用时，可分为单Agent架构和多Agent架构，后者可进一步细分：多Agent垂直架构，由一个主Agent负责协调其他Agent；多Agent水平架构，所有Agent平等协作，完成任务。

借助大模型的应用，保障了AI Agent的基本能力。如：允许AI Agent自动化重复任务；实现自然语言交互；借助提示词，优化用户偏好体验；提供实时决策支持和多模态拓展能力等。

另一方面，技能（Skills）是“能力单元”与“技能手册”，赋予了AI Agent扩展能力。Skills是一套封装好的、标准化、可复用和组合的操作流程和知识，其核心内容包括：基础通用技能、工具调用技能、业务垂直技能等。

“智能体范式在升级，我们的关注点已从‘能给出答案’到‘管用、好用’，再到产业生态，聚焦如何使AI Agent发挥真正的价值。”计虹以管理AI Agent应用为例，介绍了“4A进化模型”：第一级是问答（Askable），盘活知识、通用文本能力；第二级是问数（Analytic），挖掘数据资产、数据分析；第三级是协作（Assisted），实现业务流程中的实时交互与干预；第四级是托管（Autonomous），可自主执行、自动操作、自主驱动。

参考自动驾驶的六级分类体系，可以将AI Agent的能力划分为L0-L5六个级别，现阶段应用的AI Agent大多处于L2-L3级别，即“胜任”或“专家”水平，可以完成低风险的工作。

“明确了AI Agent的能力目标，才能规划医院人工智能整体布局，不断迭代，让智能化实践落到实处。”计虹说。

“三院灵智”智能体系落地，全院全场景赋能

2025年2月，北医三院全面升级AI助理，基于多个大模型、小模型、自研“三生大模型”，辅以RAG技术，上线了“三院灵智”智能体系，形成了“智医+”“智护+”“智诊+”等智能体系矩阵。

例如，“智诊+”大幅提升了医患间的沟通效率。“智诊+”可回答患者咨询的大多数问题，并为疑难杂症患者推荐科室和医生，减少医患间沟通成本，破解资源错配难题。另一方面，“智诊+”可将与患者沟通的内容，初步转写为病历文书，由医生决策是否引用生成的内容。“智诊+”采用“Mulit-Agent”协同体系，可根据患者文字咨询、上传报告、拍摄药盒等行为进行任务调度，由不同的智能体完成健康咨询、报告解读、用药指导等任务。

面向医生，“智医+”作为智能诊疗助手，在罕见病、疑难病诊断方面表现突出。“大部分医生对常见病症有非常丰富的诊断经验，不太需要智能体进行辅助。智能体的价值更多体现在罕见病等医生不太熟悉的领域中。”计虹介绍，“智医+”将罕见病鉴别前置，化被动发现为主动排查，自动获取脱敏后的医疗信息，给出可能的罕见病信息提示。同时，“智医+”MDT智能助手还能参与疑难病例会诊，形成人机协同决策的MDT“双医模式”。

在医学教育场景，“智学+”将大语言模型应用于医学教学辅助，结合医院真实病历打造可信赖AI辅学，为“学、教、考”提供医学教育全场景支持。“智学+”可为医学生提供24小时随时答疑功能，还能模拟患者情况，根据学生给出的诊疗意见进行打分，并有针对性地推送教学案例，强化学习效果。

为医院精细化管理赋能，“智管+”医院管理决策智能助手，以管理数据中心（MDR）数据和大模型自然语言交互能力为基础，其“智能问数”功能可随时查询工作量、人力、财务等700余个运营指标，支持多端适配、语音交互及个性化语料沉淀，为管理决策提供高效数据支撑。

“在查询数据的基础上，我们采用了长短期记忆神经网络（LSTM），将其与大模型的泛化能力相结合，自研DS-LSTM特征融合模型，进行医院运营管理的归因分析与主动预测。”计虹介绍，“智管+”可结合门诊量、手术量、收入等指标趋势，为医院运营管理提供智能化分析。对于复杂的管理问题，由指挥调度智能体理解意图、分解任务，其他智能体协作完成知识问答、数据分析等工作，最后汇总输出。

“必须强调，安全可信是‘三院灵智’智能体系的基石，包括内在安全、外在安全、衍生安全以及国家层面、行业层面的管理规范要求等。这是智能体落地应用的前提。”计虹说。

智能体步入“深水区”，信息部门需要关注五个方面

计虹认为，“怎么做得好、用得久、有价值”是未来智能体在医疗领域应用的核心问题，医院信息部门应着重思考以下五方面内容：

第一，与业务目标关联，度量智能体的价值。上线了多少智能体、调用次数多少，这些仅是“过程指标”，医院需要关注智能体在场景中真正带来了哪些改善。例如，关注临床病历内涵质量、医院管理指标变化原因、解答患者问题的质量等。

第二，降低模型幻觉。例如，智能体受创造力影响，会有幻觉，而模型温度参数（Temperature）是调控模型创造力的指标之一。如何适当保持创造力又能降低幻觉，需要反复平衡模型参数设置。更重要的是，要从模型能力和知识质量出发，从源头上降低模型幻觉，如更新基模、进行专项调优和知识精修等。同时，还要完善模型能力监督与反馈机制，保证推理链路可见，便于及时反馈问题并解决。“幻觉不能完全消除，关键在于能否被及时发现、快速纠偏，让智能体越用越聪明。”计虹说。

第三，大模型+小模型+规则协同实践。大模型是负责理解与规划的“大脑”，小模型与规则是进行感知和专业约束的“手脚”。智能体拆解任务目标，调用不同的模型处理问题，这是AI Agent整合碎片化功能、发挥主动协同能力的核心逻辑。

第四，同步推进组织与流程的适应性变革。“智能体不仅是医院信息部门的工作，更需要业务与技术的双向成就。”计虹表示，智能体深度嵌入工作流，必然冲击现有岗位职责、工作习惯、协同模式，需要用户具备更高的“智能体素养”。

第五，建设可持续的智能体运营与进化体系。围绕智能体应用效果，优化反馈渠道、更新知识、灵活管理智能体，使医院智能体从“项目”走向“可持续”。

“从‘工具智能’到‘生态智能’的共创，是未来工作的重点。”计虹表示，下一阶段北医三院将不止于院内智能体的优化，更要赋能区域健康生态，如探索新一代自主能力的医疗智能体、攻克多模态数据融合应用难题、复制并推广智能化成果，共创智慧生态。

【责任编辑：陈曦 版式：明超】