ESCMID?Global?2026?中國視角丨陳衍教授：用于抗菌藥物管理培訓的智能多智能體系統—醫學教育的新范式

編者按：

抗菌藥物耐藥性已成為全球公共衛生面臨的重大威脅，有效的抗菌藥物管理（AMS）培訓對于應對這一挑戰至關重要。然而，傳統教學模式往往缺乏互動性和臨床真實感，難以讓學員持久掌握復雜的抗菌藥物使用知識。在2026年歐洲臨床微生物學與感染病學會全球大會（ESCMID Global）上，浙江大學邵逸夫醫院陳衍教授、俞云松教授團隊的一項研究入選大會，該研究開發了一種用于AMS培訓的智能多智能體系統，通過模擬真實臨床決策環境，探索醫學教育的新范式。《感染在線》現場特邀陳衍教授對該研究進行深入解讀，并分享參會感受。

研究簡介

用于抗菌藥物管理培訓的智能多智能體系統：醫學教育的新范式

背 景

抗菌藥物耐藥性是當前全球公共衛生面臨的重大威脅，這也凸顯了開展有效抗菌藥物管理（AMS）培訓的迫切需求。

方 法

我們開發了一種智能多智能體系統（MAS），通過模擬真實的臨床決策環境，推動抗菌藥物管理教育模式的轉變。該系統在一個交互式平臺中整合了多種專業智能體，包括虛擬患者、臨床醫生、藥師和微生物學家。借助大語言模型（LLMs）、自然語言處理（NLP）以及基于MedDynamic-RAG的實時知識更新機制，系統能夠實現動態情景模擬、協作推理和個性化反饋。受訓者從醫學生到臨床執業醫師不等，參與結構化的AMS場景訓練，包括抗生素選擇、劑量調整以及復雜感染管理等內容。系統還能自動評估其臨床決策、溝通能力和團隊協作表現，評估指標涵蓋準確性、指南依從性和資源利用情況。

結 果

該系統在46名醫學生和住院醫師中進行了測試。超過90%的受訓者表示學習參與度有所提升，其中60.9%明確表示非常認同這一效果。超過97%的受訓者認為，基于智能體的學習內容是有益的補充；超過93%的受訓者認為，該系統提高了知識獲取的效率和準確性。由智能體生成的知識庫和資源庫利用率達到90%。大量反饋顯示，這些資源內容豐富、獲取便捷，并且由于自動更新機制而進一步提升了使用效率。

結論

智能多智能體系統在抗菌藥物管理培訓中展現出顯著潛力。未來仍需開展進一步的隊列研究，以驗證這些研究結果。

中國視角 · 陳衍教授

點擊觀看完整視頻

《感染在線》：

您團隊開發的智能多智能體系統在AMS培訓中引入了虛擬患者、臨床醫生、藥師和微生物學家等多個專業智能體協同工作。與傳統模擬教學或單純的在線課程相比，這種多智能體協作模式在提升受訓者臨床決策能力方面有哪些獨特的優勢？

陳衍教授：

細菌耐藥已經成為全球性的問題。作為感染科醫生和院感科醫生，抗菌藥物的培訓一直是臨床工作中比較棘手的難題。傳統的教學只是比較機械的考試，或者僅僅是上完課之后，大家做完考卷也就忘了抗菌藥物使用的細節問題。現在我們進入了一個AI的時代，所以我們團隊與相關機構合作，共同開發了多智能體系統，希望通過智能體的交互增加抗菌藥物培訓的互動性。這種智能體的引入可以整合最新的抗菌藥物知識，把最新的規范或指南灌輸給醫生，在真實的臨床場景中模擬使用規范。這樣臨床醫生對技能的掌握會更加扎實，記憶也會更加持久，這就是我們設計智能體的初衷。

《感染在線》：

超過90%的受訓者表示學習參與度有所提升，超過93%認為系統提高了知識獲取的效率和準確性。您認為是什么機制帶來了這種顯著的效果提升？另外，是否有受訓者在初期對人工智能輔助決策持保留態度？團隊如何應對這種情況？

陳衍教授：

需要指出的是，我們這個系統目前還在開發中，前期是在小樣本中進行臨床驗證，包括46位臨床醫生、住院醫師和醫學生的使用。根據他們的使用情況，這種交互式的教學方式會讓他們學習的興趣更高，所記住的知識點也會更加長久，這是我們前期實驗得到的好結果。

我們后面也會進行一個長期的、大型的前瞻性臨床隊列研究。在前瞻性研究中，我們要驗證軟件的可靠性和準確性，也要驗證臨床醫生是否確實能在這種多智能體教學中獲益，是否對我們的抗菌藥物培訓起到正向積極的效果。

《感染在線》：

從目前的初步驗證結果來看，智能多智能體系統在AMS培訓中展現出了顯著潛力。展望未來，您認為該系統在多大程度上可以推廣到更廣泛的醫學領域，例如傳染病診斷、重癥醫學、基層醫生繼續教育，甚至全球抗菌藥物管理能力建設中？另外，隨著大語言模型和知識更新技術的不斷發展，您理想中的下一代智能醫學教育系統將會具備哪些目前尚未實現的能力？

陳衍教授：

這是一個非常好的問題。既往的研究已經將人工智能和多智能體應用于臨床科研和臨床診斷等臨床工作環境中，而我們是第一次嘗試將其應用于臨床教學。另一方面，這種教學軟件的智能體誕生后，可以推廣到很多教育可及性較差的地區。比如偏遠落后地區，他們的抗菌藥物培訓教學基礎水平可能較差，但智能體能夠彌補這一缺陷，把整體的培訓水平拉到一個比較高的基線，這是我們希望達到的目標。

另外，我們也希望通過多智能體的開發，逐漸將其培訓成非常多元的臨床應用場景。例如，在感染科領域，我們最希望解決的是疑難雜癥，包括發熱待查的多學科討論。當這種智慧的智能體達到一定效果后，多學科討論就會成為一個非常好的AI落地臨床應用場景，這是我們希望看到的。

關于參會感受

此次大會給我留下了非常深刻的印象，這是我參加過的專業學術會議中規模最大的一次。據我所知，本屆會議的參會人數達到了1.8萬，是一個涵蓋眾多國家與種族、學科領域廣泛的大型綜合性學術盛會，我從中獲益良多。此外，在會議期間我還有機會與許多學界的老朋友和師長交流。因此，這是我每年都非常期待參加，也是收獲頗為豐富的會議。

專家簡介

陳 衍 教授

醫學博士

浙江大學醫學院特聘研究員、副主任醫師、博士生導師

研究方向：細菌耐藥及毒力機制、AI在感染性疾病診治的應用

工作學習經歷：

2012/10-2014/04 美國國立衛生研究員 感染與免疫研究所 聯合培養博士

2014/08-至今，浙江大學邵逸夫醫院，感染科、醫院感染管理科

社會兼職及獎項：

浙江省自然科學基金杰出青年基金獲得者

中華醫學會感染病學分會青年委員

中華醫學會細菌感染與耐藥防治分會青委副主委

中國醫藥教育協會感染專業委員會（IDSC) 青委副主委

浙江省醫學會細菌感染與耐藥防治分會青委副主委

浙江省藥學會感染藥學專業委員會青委副主委

浙江省衛生高層次人才醫壇新秀

浙江省抗疫優秀青年感染科醫師

學術成果：

第一及通訊作者身份在Nature Communications、Lancet Infect Dis、Lancet Microbe、Emerg Infect Dis、Clin Infect Dis等微生物主流雜志發表SCI文章30余篇，單篇最高引用次數為180余次

2011、2017年2次榮獲“中國百篇最具影響國際學術論文”

擔任Lancet Microbe、Frontier Microbiology、BMC Infectious Diseases等雜志審稿人

近年來共主持國家自然科學基金項目3項

擁有1項機器學習視覺分析國家發明專利

來源：《感染在線Infection Online》