当你去医院看病，医生注意到的远不止你说出口的那些话——一声咳嗽、步态的细微变化、脸上难以掩饰的不适感，都是诊断的重要依据。传统 AI 问诊大多停留在文字聊天层面，而 Google 正在尝试让 AI 真正”看见”并”理解”这些细节。
8 月 11 日，Google Research 与 Google DeepMind 联合发布了 AMIE（Articulate Medical Intelligence Explorer）研究系统的最新进展：AMIE 已具备实时临床视频问诊能力，在模拟研究中展示了接近专业医生水平的诊断表现。这也是医学 AI 领域首次有系统在同一研究框架下验证实时视频交互的临床价值。
一、基于 Gemini 与 Project Astra 的多智能体架构
AMIE 的核心架构构建在 Google Gemini 大模型和 Project Astra 项目之上，采用多智能体（multi-agent）设计。系统能够同时处理视频流中的视觉线索和音频线索，完成三项关键任务：解读患者的面部表情和肢体语言、指导虚拟体格检查，以及在问诊过程中进行实时诊断推理。
与传统对话式 AI 不同，视频问诊要求系统在极短时间内完成”看、听、思考、回应”的完整闭环。AMIE 需要在患者描述症状的同时，观察其呼吸节奏、皮肤色泽、意识状态等非语言信息，并结合既往病史给出初步判断。这一过程对模型的多模态理解和实时推理能力提出了极高要求。
二、模拟研究：临床评估优于文字聊天
Google 在发表的文章中披露了一项随机对照模拟研究的具体细节。研究团队招募了经过专业训练的模拟患者（patient actors），并将其与一组真实的主治医师进行对比。所有问诊过程均在相同评估框架下进行，评估维度包括病史采集完整性、诊断准确率、处理方案合理性以及沟通质量。
结果显示，AMIE 在上述核心临床能力维度上均获得了临床评估人员的积极评价。值得注意的是，模拟患者本身也反馈称，视频问诊体验优于纯文字聊天，尤其在信息传达的准确性和情感连接感方面表现更佳。
研究团队同时指出，AMIE 目前仍为研究系统，在真实临床环境中部署前还需要大量后续研究。系统尚未获得 FDA 或任何监管机构的医疗器械认证，不应被视为可以替代专业医生的诊断工具。
三、从文本到视频：AI 问诊的范式升级
医学 AI 的发展经历了几个重要阶段。早期的医疗辅助系统主要依赖规则引擎和专家知识库，能够回答标准化医学问题但缺乏灵活性。随着大语言模型的兴起，AI 开始能够理解自然语言描述并生成医学文本，但始终受限于”看不见、听不到”的交互模式。
视频问诊的加入为这一领域带来了本质变化。医生在面诊时获取的信息中，非语言部分占据相当比例——患者的步态可以反映神经系统功能，皮肤黄染提示肝胆系统异常，语速和音调的变化可能暗示焦虑或认知障碍。能够处理这些信息的 AI 系统，才真正具备了接近人类医生的感知能力。
Google 表示，AMIE 的长期愿景并非替代医生，而是为医疗资源匮乏地区提供辅助诊断工具，并为未来的数字健康应用探索方向。AMIE 项目研究负责人 Anil Palepu 在博客中表示，这项研究让我们得以一窥医疗 AI 的未来图景，但通往真正安全、有效的临床应用还有很长的路要走。
四、研究背景与局限性
AMIE 并非 Google 首次进入医学 AI 领域。Google Health 部门此前已与 Abbott 等医疗企业建立战略合作，在健康监测和慢病管理方向有所布局。Google 还在 Pixel 设备上推出了 Health Guardian 功能，可在可穿戴设备层面捕捉用户生命体征的异常信号。
然而，这项研究同样存在明显局限：模拟患者（patient actors）并非真实患者，研究场景与真实临床环境存在差距；系统的评估基于研究性量表而非监管层面的临床验证；研究规模也尚未公开具体数字。AMIE 的实际临床适用性，仍需更大规模、更接近真实场景的前瞻性研究来验证。
此外，医学 AI 在实际部署中面临的伦理、隐私和责任划分问题，在 AMIE 的研究中尚未深入讨论。患者视频数据的采集、存储和使用方式，以及 AI 诊断失误时的责任归属，都是未来需要明确回答的问题。
Google Research 表示，团队将继续推进 AMIE 的研究，并计划在未来的学术期刊和会议中发布更详细的研究数据。对于关心 AI 医疗应用的从业者和公众而言，这一进展既展示了技术潜力，也提醒我们保持审慎——医学的本质始终是人与人的连接，AI 能做的，是让这种连接变得更容易、更高效，而非取代它。
五、参考来源
- Google Research Blog: AMIE: Advancing medical AI for video consultations（2026年8月11日）