清华造了座全 AI 医院：医生 AI 看了上万个“虚拟病人”，真能变成好医生吗？

配图：AI 生成的概念示意图，非论文原图或实验数据。

TL;DR：2024 年 5 月，清华大学团队在 arXiv 发表论文，搭了一座“智能体医院”：病人、护士、医生全是大模型扮演的 AI。医生 AI 靠反复“看病”积累病历和教训，不需要人工标注数据。论文称其在 MedQA 的呼吸系统疾病子集上达到 93.06% 的准确率。但这是模拟环境加考试题，并不是真医院，也没有用于真实患者。

这不是最新新闻，论文首次发布于 2024 年 5 月 5 日，之后更新到 2025 年 1 月的第 3 版。

他们做了什么

论文名为 Agent Hospital: A Simulacrum of Hospital with Evolvable Medical Agents，作者包括 Junkai Li、Yang Liu 等人，来自清华大学。团队用大模型搭了一个虚拟医院，覆盖发病、分诊、问诊、诊断、治疗到随访的完整流程，里面的患者、护士、医生都是 LLM 智能体。

医生怎么“进化”

核心方法叫 MedAgent-Zero。医生 AI 每诊治一个虚拟病人，成功的案例会存入病历库，误诊的案例则转化为经验总结，进入经验库。下次接诊时，它会同时参考两边的内容。整个过程不靠人工标注，也不更新模型参数，靠的是不断积累和反思。

数字怎么看

按论文第 1 版摘要，医生 AI 在诊治约一万名虚拟患者后，在 MedQA（美国医师执照考试题）中涉及主要呼吸系统疾病的子集上，准确率达到 93.06%，并称这是当时的最优结果。后续版本摘要改称“数万名”虚拟患者，并表示超过了现有的医疗智能体方法。论文还强调，人类医生要看这么多病人可能需要好几年，而模拟里很快就能完成。

为什么值得看，又为什么要冷静

有意思的地方在于：不靠真实病人，也能让智能体在“实践”中积累经验。这个思路也不局限于医疗。

需要冷静的地方也很清楚：病人是 AI 生成的，病情未必贴近真实世界的复杂和混乱；评测用的是考试题，考试高分不等于临床能力；而且是呼吸系统的子集，不代表所有科室。“AI 医生超过人类医生”的说法更多来自媒体解读，并非论文本身的结论。作者也把它定位为模拟研究，而非可直接上岗的系统。

论文地址：arXiv:2405.02957