院内本地部署的医疗AI智能体：面向可靠临床决策的探索
核心概要
该研究开发并评估了一个完全本地部署的临床AI智能体，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，在两个基于MIMIC-IV的基准上分别达到90.04%（七病种任务）和83.8%（四病种任务）的准确率，并发现诊断行为一致性对判断正确性的区分能力最强（AUC=0.860，压力测试下AUC=0.875），在一致性阈值0.90时可保留49.4%的病例且诊断准确率达98.9%。
Fig. 1: On-premise autonomous clinical agent: simulation architecture and evaluation framework.
PubMed深度剖析
提出并评估了一个完全本地部署（on-premise）的临床AI智能体，将机构本地运行控制与多视角可靠性框架相结合，以支持“选择性自主”。 相对于依赖云端部署的既有做法，该工作把部署控制权放在机构内部，并把可靠性评估作为智能体设计的一部分，而非事后附加。 研究在两个基于MIMIC-IV的基准上进行了评估，报告了七病种任务90.04%与四病种任务83.8%的准确率，并称在主要基准上接近云端基线。
系统量化了诊断与推理过程中的内部似然、语言层面和行为稳定性三类决策时可靠性度量。 把不确定性估计从单一信号扩展为多视角框架，覆盖诊断与推理两个层面。 研究对三类度量进行了量化比较，并报告诊断行为一致性在区分正确性上表现最强。
诊断行为一致性是区分诊断正确性的最强信号，且在压力测试下仍保持信息量。 为决策时可靠性提供了一个可操作的、基于行为稳定性的判别指标。 报告AUC=0.860，压力测试下AUC=0.875。
在一致性阈值0.90时，可保留49.4%的病例并达到98.9%的诊断准确率，从而识别出可自主处理的低风险子集，其余病例转由人工复核。 把可靠性信号转化为可执行的分流策略，为选择性自主提供具体阈值依据。 基于两个MIMIC-IV衍生基准的评估结果，报告了保留比例与对应准确率。
启示与展望
该框架面向需要在机构内部署并治理临床AI智能体的场景，适用于希望以决策时可靠性信号划分自主处理与人工复核边界的使用者。其评估基于两个MIMIC-IV衍生基准，结果适用于该数据来源与相应病种任务设定；在一致性阈值0.90下保留49.4%病例并达到98.9%准确率，说明该策略针对的是可识别为低风险的子集，而非全部病例。
读者可能仍会关注：多视角可靠性度量在MIMIC-IV衍生基准之外的数据分布上是否保持区分能力；一致性阈值0.90对应的49.4%保留比例在不同病种与机构中如何变化；以及被转由人工复核的其余病例在实际工作流中的处理方式。当前文本为摘要级信息，未包含图表与完整方法细节，因此对度量实现与压力测试具体设置的进一步理解仍需查阅原文。