Nature 6/17 重磅：MIRA 跑通医疗全流程，AI 医生首次”端到端上岗”

2026 年 6 月 17 日，最新一期 Nature 杂志用两篇独立论文把”AI 医生”从概念推到了临床。全世界的读者看到的是同一条新闻——来自德国海德堡大学医院的研究团队开发了一个叫 MIRA 的自主医疗 AI 智能体，在 574 个真实急诊病例的沙盒测试中，诊断准确率达到 88.9%，比一组 6 位专科医生的专家组还高出约 10 个百分点。

但比”AI 跑赢医生”更值得关注的，是 MIRA 做了一件过去的医疗 AI 都没做到过的事——它不只是回答”可能是什么病”，而是像一名真正的急诊医生那样，进入沙盒化电子病历系统，主动询问病史、发起检查、解读结果、给出治疗方案、办理住院手续。

MIRA 的全名是 Medical Intelligence for Reasoning and Action（医疗推理与行动智能体）。它能在 FHIR 框架下从超过 85000 个临床选项中做选择，从头到尾跑通一次完整的临床接诊。Nature 在同期的另一篇论文里，来自 Google 的 AMIE 也在类似方向上取得突破——这两件事叠加在一起，意味着医疗 AI 正从”答题器”正式跨入”办事员”时代。

💡 MIRA 跑通的不是一个考试题，而是一次真实的临床流程——这正是这篇 Nature 论文的分水岭。

一、MIRA 到底做了什么？

MIRA 的核心变化，是从静态问答系统变成了能执行临床流程的代理系统。

研究人员基于 MIMIC-IV 数据库构建了 574 个急诊病例。MIMIC-IV 是一个去标识化的电子健康记录数据库，覆盖约 30 万名在美国 Beth Israel Deaconess Medical Center 接受治疗的患者。论文选择了 8 类目标疾病：阑尾炎、胆囊炎、憩室炎、胰腺炎、肺炎、尿路感染、肺栓塞、胰腺癌。这些病种既覆盖腹痛、咳嗽、呼吸困难、发热等急诊常见主诉，也包括胰腺癌这样低频但高风险的情形——MIRA 面对的不是考试题，而是被压缩进电子病历的临床决策链。

更关键的是工具调用能力。MIRA 可使用 11 类工具，覆盖超过 85000 个临床选项——病史询问、体格检查、血液检查、尿液检查、微生物学检查、影像学检查、药物医嘱、手术或操作检索、操作申请、诊疗计划、入院决策。这些操作不是自由文本，而是被映射到 FHIR（快速医疗互操作资源）框架，并兼容 ICD、LOINC、ATC、NDC、RxNorm、SNOMED-CT 等国际通用编码体系。

这意味着 MIRA 不是在”建议医生可以考虑开个检查”，而是在模拟一个能生成结构化医嘱的电子病历使用者。MIRA 在 ECR 之后可以直接把建议写进系统，等医生签字就能执行——这是医疗 AI 历史上第一次跑通端到端的工作流。

二、关键数字：AI 领先多少？

论文里几个数字值得拆开看。

在头对头比较中，MIRA 的诊断准确率 87.8% vs 医生组 78.1%，AI 领先近 10 个百分点。需要指出的是，论文中 MIRA 是用 MIMIC-IV 原始标签校准的，对照组是 6 位混合资历的专科医生——这并不是”AI 全面超过医生”，而是在”基于既往真实病历的标准化对照”下 AI 跑出更高准确率。

更关键的是安全性。468 条用药医嘱中没有任何严重药物相互作用或剂量错误——这对医疗 AI 来说是从”辅助”跨入”执行”最硬的门槛。对需要收治的患者识别召回率达到 100%，意味着 MIRA 没有漏掉任何一个该住院的病人——这正是急诊场景里医生最害怕的”漏诊”。

但论文作者也很克制，明确指出 MIRA 在肺炎、尿路感染等疾病上的准确率较低，结果仍限于回顾性病例和受控界面。

💡 MIRA 跑赢的不是医生，而是”用同一套既往病历做标准化判断”这件事——这是两个不同的胜利。

三、从”答题”到”办事”：医疗 AI 的代际跳跃

MIRA 之所以被 Nature 编辑部选中，关键不在分数本身，而在范式。

过去几年的医疗 AI 不缺高分选手。Med-PaLM 在美国医学执照考试里超过及格线，GPT-5 系列在 USMLE 模考上达到 90% 以上准确率，国内的”医联”系列在影像判读上达到三甲医院主治医生水平。但这些系统都有一个共同点——只会答题。

真实的临床决策不是考试题。患者走进急诊室，主诉是”肚子疼”，医生要在信息不完整的情况下启动鉴别诊断，问诊方向、检查选择、读片判断、用药调整、住院决策——每一步都基于上一步的结果动态调整。这是医疗 AI 真正的难点，也是过去几年大语言模型始终没能跑通的地方。

MIRA 的突破点在于：它把医疗 AI 拆成了两个子智能体——一个负责”扮演患者”（patient agent），稳定应答 MIRA 的问询；另一个就是 MIRA 本体（clinician agent），按照临床路径一步步推进。两个智能体在同一套 FHIR 框架下互相对话，整个过程在受控的电子病历沙盒里完成。

这种”双 agent + 沙盒 + FHIR“的设计，让医疗 AI 第一次真正”动”起来。Nature 同期发表的 Google AMIE 论文也在做类似的事——对话式 AI 工具在疾病管理方面能够提供多阶段协助，从诊断到治疗决策，表现至少与人类内科医生相当。

💡 医疗 AI 的代际跳跃，不是分数的跳跃，而是”能跑通一个完整流程”的跳跃。

四、研究局限：为什么我们还不能在真实医院看到 MIRA？

Nature 论文的另一个价值是它的边界被画得很清楚。

MIRA 当前的所有测试都运行在沙盒环境。论文里说得很明白：这种受控环境无法完全代表真实患者沟通的全部复杂性。例如：

• 真实患者的话语常常是模糊、矛盾、有遗漏的，而 MIRA 训练和测试用的”患者”是被一个 AI 智能体扮演的，答案相对结构化、清晰。
• 检查结果的解读依赖临床上下文，沙盒系统里 MIRA 读到的检验数据是干净、规整的，真实医院的实验室数据常常有缺失、异常值、记录错误。
• “用药安全”是在已知药物清单内检查相互作用，但真实世界的药物数据库并不总是一致的；新的副作用信号、罕见禁忌症，黑盒模型可能漏掉。
• 决策的可解释性不足——MIRA 可以告诉医生”我开了这个药”，但目前不能完整解释为什么。这在临床上是不可接受的。
• 泛化能力有限——MIMIC-IV 数据来自美国一家医院（Beth Israel Deaconess Medical Center），把它直接搬到中国、欧洲、其他族裔人群，准确率可能下降。

MIRA 团队在论文结尾也强调：”未来需要进一步开展研究以提高准确率，并在真实世界研究中验证其泛化能力“——这是负责任的科学家必须说的一句话。

💡 MIRA 的”端到端”是真突破，但它的”端到端”目前只跑通了 574 个回放病例，不是 5740 个真实患者。

五、对医疗行业的三重新含义

MIRA 的发表，对医疗 AI 行业、医生群体、患者群体带来三重新含义。

第一，医疗 AI 公司的产品形态将被迫升级。过去几年的医疗 AI 产品绝大多数是”辅助决策”形态——医生输入病人信息，AI 给出建议，医生自己决定。Nature 这两篇论文一旦被行业广泛引用，“全流程代理”会成为新的产品标准。没做端到端能力的医疗 AI 公司，会在 12 个月内被资本和医院重新评估。

第二，”AI 替代医生”的讨论要换个问法。MIRA 跑通全流程，并不是说医生要失业。它的真正含义是——重复性的信息收集、检查开单、流程跟进，可以交给 AI；医生的时间和判断力应该被解放出来，给那些需要临床智慧、共情和复杂决策的患者。MIRA 团队的判断是：”AI 是医生的’超级助手’，它负责’算’，医生负责’判’和’暖’。”

第三，医疗数据治理会被推上风口。MIRA 的能力建立在 MIMIC-IV 这种去标识化的真实病历数据库上。一个严肃的问题是——MIMIC-IV 来自美国一家医院，中国和欧洲用同样的架构做训练，需要解决数据出境、隐私保护、算法公平性等监管问题。6 月 24 日，慕尼黑工业大学在 Nature 同期另一篇论文里，首次从患者个体层面揭开了医疗 AI 的隐私风险——医疗 AI 越强，数据治理的紧迫性就越高。

💡 MIRA 跑通全流程不是终点，而是医疗 AI 治理时代的起点。

六、未来 12-24 个月的三种可能

MIRA + AMIE 同期发表，可能催化三种行业走向。

第一种是“沙盒医院”先跑出来。Nature 论文的局限是”沙盒环境”，那下一个里程碑一定是真实医院在受控环境里跑端到端 AI 智能体。海德堡大学医院、斯坦福医院、梅奥诊所都在布局——这些大型医学中心在 12-24 个月内可能率先开放”AI 医生 + 人类医生”联合诊疗的真实试点。

第二种是“智能体监管”成为新赛道。MIRA 的 468 条用药医嘱 0 错误率，是在沙盒 + 已知药物库的前提下做到的。真实世界要复现这个安全水平，需要 FDA、NMPA、CE 等监管机构专门为”医疗 AI 智能体”建立审批标准——这件事会从 2026 年下半年开始密集讨论。

第三种是医患关系的重新定义。当 AI 智能体能跑通从问诊到入院的全流程，医生的核心价值会被迫向”判断 + 共情 + 复杂决策”集中。医学教育、医生考核指标、医院流程都会被重新设计——AI 把”算”的部分拿走，医生才有时间做”判”和”暖”。

💡 医疗 AI 跑赢分数是 2023 年的话题，跑通流程是 2026 年的故事，重塑医患关系是 2027-2028 年的命题。

未来 12-24 个月最值得关注的事，不是 MIRA 自己下一步怎么走，而是“医疗 AI 智能体”会不会被纳入监管审批通道。如果 FDA、NMPA、CE 三家监管机构开始为医疗 AI 智能体发执照，一个全新的产业赛道就会正式开启。

七、写在最后：MIRA 的真正分量

回到 6 月 17 日 Nature 这两篇论文的真正分量。

MIRA + AMIE 不是”AI 跑赢医生”的娱乐新闻，而是“医疗 AI 跨过临床流程门槛”的产业信号。过去几年医疗 AI 公司反复讲的”赋能医生”故事，主要停留在”AI 帮你查资料、读影像、提建议”的层面。Nature 这两篇论文把”AI 跑通全流程”这件事第一次搬上了严肃学术舞台——这意味着医疗 AI 行业的产品形态、商业模式、监管路径都将在未来 12-24 个月内被迫升级。

对普通人来说，最值得记住的不是 87.8% 这个数字，而是 MIRA 给出的承诺——让医生从重复性事务中解放，聚焦于更具人文价值的医疗环节。

这是医疗 AI 真正开始改变医疗的样子。

八、你怎么看？

MIRA 跑通急诊全流程、AI 智能体开始端到端”上岗”——这意味着医疗 AI 行业、医生培养路径、患者就医体验都会在 12-24 个月内被迫重塑。

几个值得聊一聊的问题：

• 当 AI 智能体能跑通从问诊到入院的全流程，医生的核心价值会被怎么重新定义？
• “沙盒医院“试点和”真实世界验证“之间的距离有多远？中国医院 12-24 个月内会跑出真实试点吗？
• 医疗 AI 越强，患者数据隐私和算法公平性的监管就越迫切——谁来给医疗 AI 智能体发”执照”？
• 你愿意让一个 AI 智能体给你的家人做诊断吗？如果 AI 诊断结果和医生不一致，你听谁的？

欢迎在评论区聊聊你的判断。

📚 参考资料

[1] 腾讯新闻，《AI 医生跑通医疗”全流程”》，https://view.inews.qq.com/a/20260624A04SS500

[2] 知乎/医智维，《Nature: AI 医生 MIRA 首次”全流程上岗”》，https://zhuanlan.zhihu.com/p/2054580420214314605

[3] 网易/医智维，《Nature: AI 医生 MIRA 首次”全流程上岗”》，https://www.163.com/dy/article/L0H3FO5M0511D05M.html

[4] 网易/健康界，《Nature 正刊｜医疗 AI 能完整跑完急诊流程吗？》，https://www.163.com/dy/article/L095QBGV0556I770.html

[5] 新浪财经，《Nature｜当 AI 进入电子病历：MIRA 如何在 574 个真实病例模拟中挑战医生流程》，https://finance.sina.cn/2026-06-23/detail-iniekvap9670900.d.html

[6] 百家号/医智维，《Nature｜当 AI 进入电子病历：MIRA 如何在 574 个真实病例模拟中挑战医生流程》，https://baijiahao.baidu.com/s?id=1868780117930401234

[7] 澎湃新闻，《【AI 科普】两个 AI 模型实现诊断到治疗全面管理，表现与人类内科医生相当》，https://www.thepaper.cn/newsDetail_forward_33437804

[8] 新浪健康，《目前 AI 在医疗影像识别等标准化领域的准确率究竟有多高？》，https://healthnews.sina.cn/2026-06-24/detail-iniemwqk6449327.d.html

[9] 网易，《Nature 警告：医疗 AI 虽好，患者隐私泄漏风险不容忽视》，https://www.163.com/dy/article/L0HB81K2053296CT.html

[10] 36 氪 / 医健 AI 研究所，《Nature 论文链接：Towards autonomous medical artificial intelligence agents》，https://doi.org/10.1038/s41586-026-10675-5

[11] 安徽医科大学 / 农工党，《国家卫生健康委配子及生殖道异常研究重点实验室 2026 上半年科研论文编译汇总》，https://agrtlab.ahmu.edu.cn/2026/0625/c9488a201214/page.htm

[12] 解放日报，《六院、上科大发布联合研究成果：创伤性脑损伤预后如何？让微循环变得可视化》，https://www.jfdaily.com/staticsg/res/html/web/newsDetail.html?id=1134382&sid=11