从数字助手到虚拟专家：医疗智能体五级成熟度模型解析

引言

近年来，医疗智能体（Medical Agent）正成为医疗体系智能化升级的关键引擎。从辅助性算法工具到具备自主协作能力的“虚拟专家”，其演进不仅改变了临床决策与科研创新模式，也重塑了医务人员与AI的协作关系。然而，在应用快速扩展的同时，业界尚缺乏一套可量化、可对比、可监管的分级体系，以科学界定不同阶段智能体的技术能力、临床责任与风险边界。传统信息系统评估模型主要关注功能完备度与数据互通性，难以反映智能体在人机协作、自主推理与安全控制等方面的动态变化。

基于此，本文参考腾讯研究院《企业级智能体产业落地研究报告》提出的通用L1–L5分级框架，结合医疗场景的高风险性、伦理敏感性与监管刚性，提出并构建了医疗智能体五级成熟度模型。模型设计目标包括：①建立评估标准，明确不同级别智能体的能力边界与人机协作模式；②支撑临床准入，为医院及监管机构提供智能体引入与审批参考；③促进安全创新，在风险可控前提下推动AI从“辅助工具”向“协同伙伴”演化。

模型构建主要经历三个环节：框架适配，即对通用L1–L5体系进行医疗语义重塑，将“任务复杂度”与“责任敏感度”纳入核心维度；场景归类，即基于临床与管理应用提炼典型任务场景；监管映射，即结合我国医疗AI相关法规与伦理要求，定义各级监管提示与责任界限。最终形成一套以“人机协作边界动态演化”为主轴的医疗智能体能力分级体系，为技术安全准入、临床整合与分级监管提供可操作的参照框架。

医疗智能体五级成熟度模型

为在复杂临床环境中准确科学评估智能体的能力边界与责任分配，本文构建的医疗智能体五级成熟度模型，主要以智能体的自主性程度与人类监督角色为核心维度。随着等级上升，智能体自主性逐步增强，人类监督从“全程控制”过渡到“关键节点审查/结果验收”，最终实现系统级协同与资源调度能力。

该模型旨在为医疗智能体的安全准入、临床融合与监管分级提供可验证、可追溯的基础标准。具体分级如下：

1. L1被动执行者（基础工具）

（1）核心能力：在预设规则或工作流下，按明确指令执行单步或多步任务，缺乏环境感知与自主判断能力。主要依赖规则引擎、RPA（机器人流程自动化）与检索式问答（知识库召回 + 模板生成）。

（2）典型场景：病案检索、预约排班、医保对账、入院/出院单据自动生成、基础患者咨询（FAQ）等行政或运营性任务。

（3）监管/责任提示：输出为流程性或行政性结果，通常不直接影响临床决策，但仍需确保数据合规、留痕与人工复核机制。

2. L2项目助理（流程内协同）

（1）核心能力：跨系统聚合信息、进行规则性推理与检索增强生成（RAG），生成诊疗摘要或辅助性文书，但关键临床判断需人工确认。

（2）典型场景：辅助电子病历生成、影像初筛提示（非诊断结论）、多源信息整合的诊疗摘要、临床路径提醒与合规检查等。

（3）监管/责任提示：输出应标注为“辅助信息”，并提供引用与证据溯源。

3. L3初级项目负责人（半自主决策）

（1）核心能力：整合多模态数据（文本、影像、波形等），在给定临床任务中提供场景化诊疗建议，具备一定的推理能力与可解释性输出，但最终决策仍由临床医师把关。

（2）典型场景：ICU病情趋势预测与提醒、复杂病例决策支持摘要、多学科会诊资料预处理等。

（3）监管/责任提示：应明确哪些决策为“建议类”（可被修改），并要求对关键建议进行人工签核；同时，需保存模型输出日志以备审计。

4. L4专业骨干/自主协作型（受控闭环执行）

（1）核心能力：在特定、高确定性或规则明确的临床场景内，可端到端执行闭环任务（如ICU早期预警并触发介入流程、放疗定位参数核验、受控的输注泵参数调整等），并在异常或临界条件下触发人工复核。

（2）典型场景：高风险监测型流程闭环，如AAM（Advance Alert Monitor，高级预警监测器）预警推送并启动标准化应急流程；高确定性操作闭环，如设备参数自动校验、法规允许情形下的自动化干预。

（3）监管/责任提示：涉及直接疗效或安全干预，需通过多中心临床验证与合规注册，建立严格的风险管理与事后追溯机制。

5. L5虚拟专家/协调者（系统级协同）

（1）核心能力：在跨部门或区域医疗生态中承担宏观任务规划与资源调度，通过多智能体协作与知识迁移，支持全流程智能化管理，例如肿瘤MDT流程的自动组织与持续随访管理。

（2）典型场景：全院级患者优先级调度、复杂多学科协同决策、区域卫生资源动态调配、应急事件响应等。

（3）监管/责任提示：需建立跨机构治理框架、注册与持续监督机制，明确系统决策与人类最终审定间的责任边界。

结语

综上，医疗智能体五级成熟度模型不仅系统阐释了从“任务型协作”到“系统级共创”的技术发展路径，也为医疗场景下的能力分级、责任划分与安全监管提供了清晰框架。通过分层界定技术能力与伦理风险，该模型为医疗智能体的可验证、可准入及可治理提供了方法论基础。

未来，随着智能体自主性与系统协同性的持续增强，该模型也将动态演化，延伸至多智能体协作、真实世界验证与伦理共治等更复杂场景，成为支撑可信医疗智能化体系建设的重要参照。

作者简介

Serein G，医疗信息化与人工智能领域资深从业者，长期关注智慧医疗体系建设、医疗数据治理及AI临床应用的前沿趋势。拥有十余年医疗科技行业经验，致力于推动数据与算法在临床、科研及管理场景中的深度融合。