斯坦福医疗保健首席数据官 Nigam Shah 解释了微软的多智能体编排技术如何实现对各类健康数据的管理、分析和推理，以改善癌症患者的护理。
图片来源：微软
全球每天都有成千上万的人被诊断出患有癌症。每个病例都是独特的，有数百种不同的肿瘤亚型，需要涉及新药、临床试验和基于设备的治疗方案。因此，领先的癌症中心严重依赖多学科肿瘤委员会，即由放射科医生、病理科医生、外科医生、肿瘤科医生、遗传咨询师和其他专家进行专业会诊，对大量患者数据和参数进行复杂分析，以制定个性化的治疗计划。 美国临床肿瘤学会（ASCO）最近的一项研究发现，医生平均每位患者花费 1.5 至 2.5 小时仔细审查图像、病理切片、临床记录和基因组数据。在这种背景下，智能体 AI 在减少行政摩擦和改变医疗服务提供方式方面具有巨大潜力。 在本月早些时候的微软 Build 2025 大会上，斯坦福医疗保健首席数据官 Nigam Shah 讨论了智能体 AI 重新定义医疗保健的能力，尤其是在肿瘤学领域。他说，医生们正被医学行政任务压得喘不过气来，这会导致职业倦怠。“此外，医学知识每 60 或 70 天就会翻一番，因此很难跟上医学文献的步伐，”他补充道。
Shah 还解释说，如今的医生花费了太多时间在非医疗决策上，他们希望通过自动化、软件开发和智能体 AI 来改变这一状况。他说：“这个新的智能体时代为我们提供了一个机会，开始消除那些在寻找合适的临床试验、查阅正确的参考文献以及组织不同来源和类型的数据方面的非差异化工作。”在他看来，他及其团队在医疗保健生态系统内处理软件应用管理的方式带来了改变。
他说：“大多数医疗机构和公司都使用 Windows，因为这是他们熟悉和信任的系统。这就是为什么我们致力于以此为基础构建一个强大的用例，通过专门的多模态 AI 智能体来驱动新的能力。”为此，他们依赖微软及其在 Azure AI Foundry Agent 目录中的医疗保健智能体编排器。
即刻重写未来的医疗保健
医疗保健智能体编排器包含预配置的智能体以及开源定制选项，使开发人员和研究人员能够协调多学科和多模态的医疗保健数据工作流程，例如肿瘤委员会的工作。它还简化了向医疗保健企业生产力工具（如 Microsoft Teams 和 Word）的部署。
总的来说，模块化推理器和专门的多模态 AI 智能体协同工作，处理那些原本需要数小时才能完成的任务，有效地为临床专家提供了个性化、前沿的 AI 辅助。因此，通过集成最新的微软功能，医疗保健智能体编排器可以处理从影像和病理到基因组数据和电子健康记录（EHR）临床笔记等各类健康数据的分析和推理。每个智能体都配备了来自 Azure AI Foundry 的先进 AI 模型，这些模型将通用推理能力与特定医疗模态的模型相结合，以基于多模态临床数据生成可操作的洞察。 斯坦福医学目前每年为 4000 名肿瘤委员会患者提供服务，其医生已经在会议中使用 Azure 中安全的 GPT Phi 实例生成的摘要。Shah 说：“新的医疗保健智能体编排器能够通过减少碎片化并从以前难以搜索的数据元素（如临床试验资格标准、治疗指南和真实世界证据）中获取新洞察，从而简化现有工作流程。”他补充说，这正是工作量得以缩短，从而降低癌症患者护理医务人员职业倦怠和过劳率的原因。
他说：“大多数医疗机构和公司都使用 Windows，因为这是他们熟悉和信任的系统。这就是为什么我们致力于以此为基础构建一个强大的用例，通过专门的多模态 AI 智能体来驱动新的能力。”为此，他们依赖微软及其在 Azure AI Foundry Agent 目录中的医疗保健智能体编排器。
即刻重写未来的医疗保健
医疗保健智能体编排器包含预配置的智能体以及开源定制选项，使开发人员和研究人员能够协调多学科和多模态的医疗保健数据工作流程，例如肿瘤委员会的工作。它还简化了向医疗保健企业生产力工具（如 Microsoft Teams 和 Word）的部署。
总的来说，模块化推理器和专门的多模态 AI 智能体协同工作，处理那些原本需要数小时才能完成的任务，有效地为临床专家提供了个性化、前沿的 AI 辅助。因此，通过集成最新的微软功能，医疗保健智能体编排器可以处理从影像和病理到基因组数据和电子健康记录（EHR）临床笔记等各类健康数据的分析和推理。每个智能体都配备了来自 Azure AI Foundry 的先进 AI 模型，这些模型将通用推理能力与特定医疗模态的模型相结合，以基于多模态临床数据生成可操作的洞察。 斯坦福医学目前每年为 4000 名肿瘤委员会患者提供服务，其医生已经在会议中使用 Azure 中安全的 GPT Phi 实例生成的摘要。Shah 说：“新的医疗保健智能体编排器能够通过减少碎片化并从以前难以搜索的数据元素（如临床试验资格标准、治疗指南和真实世界证据）中获取新洞察，从而简化现有工作流程。”他补充说，这正是工作量得以缩短，从而降低癌症患者护理医务人员职业倦怠和过劳率的原因。
