On-premise medical AI agents for reliable clinical decision-making.
2 次引用趋势数据不足
研究开发并评估了一种完全本地部署的临床人工智能代理，将本地运行控制与多视角可靠性框架结合，以支持选择性自主决策。该代理在两项基于MIMIC-IV的基准测试中，分别于七疾病任务和四疾病任务上达到90.04%和83.8%的准确率，主要基准接近云端基线。为评估决策时可靠性，研究量化了诊断与推理的内部似然、语言及行为稳定性指标。诊断行为一致性对正确性的判别力最强（AUC=0.860），在压力测试下仍具信息性（AUC=0.875）。当一致性阈值为0.90时，49.4%的病例被保留，诊断准确率达98.9%。结论表明，决策时可靠性信号可识别低风险子集供自主处理，其余转交人工审核，为机构治理下的临床代理提供了实用框架。
查看扩展信息
完整作者
Li Zhang、Georg Wölflein、Dyke Ferber、Junhao Liang、Zunamys I Carrero、Xuewei Wu、Julien Vibert、Jan Clusmann、Lino Möhrmann、Elena E Möhrmann、Catharina Wichmann、Fabian Wolf、Tim Lenz、Jakob Nikolas Kather
作者机构
- Else Kroener Fresenius Center for Digital Health, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany.
- Medical Oncology, National Center for Tumor Diseases (NCT), University Hospital Heidelberg, Heidelberg, Germany.
- Department of Radiology, The First Affiliated Hospital of Jinan University, Guangzhou, China.
- Drug Development Department, Gustave Roussy, Villejuif, France.
- Université Paris-Saclay, Gustave Roussy, INSERM U981, IHU PRISM, Villejuif, France.
- Department of Medicine I, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany.
- Department of Gynecology and Obstetrics, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany.
- Else Kroener Fresenius Center for Digital Health, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany. kather.jn@tu-dresden.de.
- Medical Oncology, National Center for Tumor Diseases (NCT), University Hospital Heidelberg, Heidelberg, Germany. kather.jn@tu-dresden.de.
- Department of Medicine I, Faculty of Medicine, TUD Dresden University of Technology, Dresden, Germany. kather.jn@tu-dresden.de.
- Pathology & Data Analytics, Leeds Institute of Medical Research at St. James's, University of Leeds, Leeds, UK. kather.jn@tu-dresden.de.
技术路线
数据/样本：两个基于MIMIC-IV的基准（七疾病任务和四疾病任务） → 分析：开发并评估一个完全本地部署的临床智能体，耦合本地操作控制与多视角可靠性框架；量化诊断和推理的内部似然、语言和行为稳定性指标；评估诊断正确性的判别能力（AUC）及压力测试下的信息性；设定一致性阈值评估保留病例比例及诊断准确率
最近 5 个完整年度引用趋势
不含 2026 年，仅展示最近 5 个完整年度。
数据来源：openalex更新时间：2026/10/30 06:04
为什么值得关注
暂未整理