编者按

临床指南是规范疾病诊疗的核心依据，但在医学研究呈指数级增长的当下，传统指南更新模式正遭遇严峻挑战。2004-2014和2015-2025年间，全球医学研究文献增量从约850万篇攀升至1350万篇，增幅60.2％，但临床指南转化率并未同步提升，后者增幅仅为6.6%。同时，70%～90%的临床指南推荐缺乏高级别证据支持，约20%的指南推荐在发表3年后即面临时效问题。如何借助人工智能加速证据整合，推动临床指南从"定期修订"迈向"持续维护"，已成为亟待破解的学科命题。

在AASLD 2026大会上，北京大学人民医院、北京大学肝病研究所王子兴教授作口头报告，公布了一项最新研究成果——创新性构建多智能体检索增强生成系统（Multi-Agent Retrieval-Augmented Generation, MARG），由7个AI智能体组成"虚拟指南专家团"，模拟临床专家完成文献检索、证据评价与共识讨论全流程，为AI辅助临床指南制定与动态更新提供了可行路径。

王子兴教授在AASLD 2026大会现场作口头报告

01 创新设计，7个AI组成“虚拟专家团”

针对传统临床指南制定过程中人工文献检索工作量大、证据评价复杂及专家共识形成周期长等问题，研究团队创新性构建了多智能体检索增强生成系统（MARG），整合ChatGPT、DeepSeek、Gemini等7个具备文献检索能力的AI智能体，模拟临床指南专家委员会的工作模式。研究以2025年欧洲肝病学会（EASL）发布的7部临床指南为基础，建立了涵盖肝癌、乙肝、自身免疫性肝炎等多个领域的137个临床问题数据库。各智能体首先独立完成文献检索、证据分级和推荐意见生成，当出现不同判断时，再通过交叉质询和最多4轮结构化讨论形成共识。整个过程依托检索增强生成（RAG）技术，使推荐意见具有可追溯的文献依据，并完整记录模型讨论及立场变化，为专家审核提供支持。

02 核心发现，AI专家团展现协同优势

研究发现，7个AI智能体独立生成的临床推荐与现行指南的一致率为72.3%～78.8%，通过多数投票机制，MARG系统整体一致率达到77.4%；当7个智能体意见完全一致时，一致率进一步提升至87.8%。其中，乙肝、自身免疫性肝炎及Wilson病等疾病领域表现较好，相关问题的整体一致率达到95.2%，提示多智能体协作在临床指南推荐生成方面具有一定应用潜力。

在医学证据检索与评价方面，MARG系统不仅能够获取更新的研究文献，还能够识别现行指南中值得重新评估的高等级证据。在137个临床问题中，AI对91个问题给出了高于现行指南的证据等级评价；进一步经专家审核，13个重点问题中有11个更高等级的评价获得认可。例如，在肝癌影像学诊断领域，AI检索到了支持增强超声诊断价值的新研究，为重新评估相关指南推荐提供了新的证据线索。

此外，多智能体之间的结构化讨论显著促进了分歧的解决。经过最多4轮讨论，95.8%的受评推荐分歧得到解决，最终74.5%的临床问题达到强共识水平，仅0.7%仍存在较大分歧。这表明，多智能体协作有望提高医学证据整合和专家共识形成的效率，但AI达成共识并不意味着推荐一定正确，仍需专业人员进行循证评价与审核。

03 临床价值，辅助年轻医生规范诊疗决策

研究团队进一步通过小规模模拟测试，评估了AI辅助不同经验水平临床医生决策的效果。结果显示，MARG系统能够帮助医生纠正40%～60%原本与指南不一致的临床判断，其中具有5年临床经验的医生获益最为明显，净改善比例达到50%。这一结果提示，多智能体AI不仅有望辅助指南制定与更新，还可能成为年轻医生学习循证医学、规范临床诊疗行为的重要辅助工具。不过，研究也发现AI可能引入10%～20%的新增判断偏差，表明人工智能仍需与临床专家的专业判断相结合。

04 未来展望，推动临床指南动态更新

本研究通讯作者王子兴教授介绍中指出，MARG系统的长期目标是构建能够持续追踪最新医学证据、及时识别指南更新需求的智能化辅助体系。未来，AI可承担文献动态检索、初步证据评价及潜在争议识别等工作，而临床问题定义、重要证据审核和最终推荐决策仍由专业医生负责。通过建立高质量医学证据数据库、标准化证据评价工具及分层人机协作机制，有望推动临床指南从传统的周期性修订向动态更新模式转变。

从AI辅助文献检索到多智能体协同共识，再到临床指南的动态更新，这项研究为人工智能赋能循证医学、促进医学证据向临床实践转化提供了新的研究方向。 目前，该系统仍处于概念验证阶段，其临床安全性与实际应用价值仍需进一步开展前瞻性研究和真实世界验证。

据悉，该研究成果已于近期在Nature旗下期刊Communications Medicine正式发表。

文章发表封图

（DOI：10.1038/s43856-026-01961-4）

参考文献

1.Zixing Wang，et al. A Multi-Agent AI System for Maintaining Liver Disease Guidelines: Evidence Synthesis, Consensus Building, and Clinical Impact. AASLD 2026 Abstract-0274

2.Wang X, Wen X, Xue T, et al. Multi-agent AI for liver disease guideline development and maintenance: a proof-of-concept study. Communications Medicine. 2026. DOI：10.1038/s43856-026-01961-4