中轴型脊柱关节炎为何平均延误6.7年才确诊？解放军总医院×清华SpAgents四智能体协同系统以94%敏感性早筛并赋能基层
研究背景：中轴型脊柱关节炎为什么平均延误6.7年才确诊？
中轴型脊柱关节炎（axSpA）是一种以慢性腰背痛为主要表现的高致残性风湿免疫病，全球患病率约 0.13%–1.40%，我国患病率约 0.78%、患者近 1,100 万。它通常从骶髂关节的炎症起步，若不及时干预，会进展为不可逆的骨结构破坏，严重者形成「竹节样脊柱」。
这种病最大的痛点，是诊断延迟。流行病学数据显示，axSpA 患者从发病到确诊的全球平均时间长达 6.7 年。未经治疗的患者中，3 年致残率可达 45%，5 年升至 70%，生活质量严重受损。
延迟的根源在基层。全科医生（PCP）对炎症性腰背痛的识别能力不足，对骶髂关节 MRI 的判读经验有限——研究显示仅 30% 的放射科医生熟悉骶髂关节的标准化 MRI 评估方案；而风湿免疫专科医生又高度集中在三甲医院。如何在基层实现早识别、早转诊，是亟待攻克的难题。
创新点：四个智能体协同，重构基层诊断的「多智能体工作流」
传统筛查工具（如 SPADE 量表、PRIMIS 弹窗系统）依赖人工评估或静态训练数据，难以融入繁忙的基层工作流。SpAgents 的思路完全不同——它用一套医疗多智能体工作流，把资深风湿科专家接诊时的决策路径「拆解」后分配给多个智能体，各司其职、协同完成诊断。
这套系统名为 Spondyloarthritis Agents（SpAgents），核心是四个角色明确的智能体：
- PlannerAgent（规划智能体）：统筹诊疗流程与任务调度，模拟专家面对新患者时的决策顺序——先查什么、后问什么、何时需要影像；
- DataAgent（数据智能体）：自动解析电子病历，从非结构化临床记录中抽取症状、化验与病史关键信息，转成结构化特征；
- ToolAgent（影像智能体）：依托自研模型智能判读骶髂关节 MRI，自动完成 SPARCC 骨髓水肿评分，补上基层医生最薄弱的影像环节；
- DoctorAgent（医生智能体）：整合前三者输出，生成可解释的诊断建议与临床依据，而不是只给一个「是/否」标签。
系统还内置了长期记忆（Long-term Memory）机制，依托已确诊病例持续迭代优化，模仿资深医生积累临床经验的过程。这套方案已获 3 项国家发明专利授权。
技术原理：一场「分工 + 协作 + 记忆」的临床决策智能体
SpAgents 本质是一个临床决策智能体：它把大语言模型（LLM）的推理能力与影像模型结合起来，让四个智能体按「规划 → 取数 → 判图 → 出结论」的顺序接力。
关键在于可解释性。DoctorAgent 输出的诊断建议会附上完整推理链——引用指南的关键证据、影像发现的具体描述、以及鉴别诊断的排除逻辑。这种透明性是获得临床医生采纳的前提，也是它区别于「黑箱打分」模型的地方。
长期记忆机制则让它具备了「越用越准」的能力。系统会吸收既往确诊病例的反馈，动态更新知识，从而在一定程度上缓解传统模型「静态训练、泛化差」的问题。
数据说话：敏感性94%、准确率86%，整体等效资深专家
研究共纳入 596 名患者：545 名来自一家医院（训练集 359 例 + 验证集 186 例），另 51 名来自 5 家不同医院，作为独立外部测试集。评估中还与 7 位医生（3 位全科、3 位不同年资风湿科、1 位骨科）做了头对头比较。
| 评估场景 | 敏感性 | 特异性 |
|---|---|---|
| 内部验证集 | 86.15% | 80.00% |
| 独立外部测试集 | 93.75% | 73.68% |
与医生的对比结果更具说服力：
- SpAgents 的敏感性（94%）与总体准确率（86%）显著高于全科医生和低年资风湿科医生（p<0.05）；
- 与资深风湿科专家的诊断水平无统计学差异——即达到了「高年资专科医生级别」的识别能力。
最亮眼的是**「人机协同」结果：在 SpAgents 辅助下，全科医生和低年资风湿科医生的敏感性与准确率均显著提升——例如一位低年资医生的敏感性从 0.44 升至 0.76（p<0.001）。更重要的是，这种提升在三个月后的随访中仍然持续**，说明 AI 不只是「给出答案」，还在无形中训练了医生的诊断思维，产生了持久的学习迁移效应。
应用前景与局限
SpAgents 的应用场景精准指向中国医疗资源分布不均的现实痛点：
- 赋能基层：社区卫生中心、乡镇卫生院的全科医生面对慢性腰背痛的年轻患者时，可借助 SpAgents 快速筛查可疑病例、及时转诊，直接对治「平均 6.7 年诊断延迟」这一难题；
- 低年资医生培训：已验证的「AI 辅助 → 能力提升 → 效果持续」路径，意味着系统可内嵌到住院医师规范化培训中，边保障诊断质量、边加速成长曲线。
局限同样需要正视：研究规模有限（外部测试仅 51 例），结论基于回顾性病例而非真实前瞻诊疗；影像智能体目前聚焦于骶髂关节 MRI 单一环节，尚未覆盖完整的多模态临床流程；不同人群、不同机构的泛化能力还需更大样本验证。
结论
SpAgents 的价值不在于「刷新准确率纪录」，而在于它提供了一个可落地、可解释、能协同基层医生的多智能体诊断范式：四个智能体分工协作，把风湿科专家的诊疗经验「复制」到基层，同时通过「人机协同」持续提升医生的能力。
在「诊断延迟 6.7 年」这一长期难题面前，它给出了一个务实的方向——AI 不是替代基层医生，而是成为他们够得着的「专家级参谋」。当然，从回顾性验证走向真实临床，仍需要前瞻性研究的检验。
| 论文标题 | Early diagnosis of axial spondyloarthritis in primary care using multi-agent systems（基于多智能体系统的中轴型脊柱关节炎基层早期诊断） |
| 作者 | Xiaojian Ji（共同一作）、Zhuofeng Li（共同一作）、Lulu Zeng（共同一作）、Lidong Hu 等；通讯作者：Tao Li（李涛）、Kunpeng Li（李坤鹏）、Jing Zhang（张静） |
| 机构 | 解放军总医院第一医学中心风湿免疫科、清华大学自动化系生物信息学（BNRIST / MOE 生物信息学重点实验室）、北京电力医院、西京医院（第四军医大学）、北京大学首钢医院、西部/中部/北部战区总医院等 |
| 期刊 | npj Digital Medicine |
| 发表时间 | 2026 年 1 月在线发表 |
| DOI | 10.1038/s41746-026-02372-4 |
| PubMed | PMID 41571772 |
论文原文信息地址：https://www.simoagent.com/blog/2026-09-21-spagents-axspa-early-diagnosis/
参考文献
- Ji X, Li Z, Zeng L, Hu L, Wang Y, et al. Early diagnosis of axial spondyloarthritis in primary care using multi-agent systems. npj Digital Medicine, 2026. DOI: 10.1038/s41746-026-02372-4
- Navarro-Compán V, Sepriano A, El-Zorkany B, van der Heijde D. Axial spondyloarthritis. Annals of the Rheumatic Diseases, 2021;80(12):1511–1521. DOI: 10.1136/annrheumdis-2021-221178
相关问题
什么是临床决策智能体？
临床决策智能体是一种能够自主执行医疗决策流程的 AI 系统——它能像医生一样主动收集信息、调用检查工具、给出诊断建议，并说明推理依据。它区别于只会「一问一答」的普通大模型，核心在于能「规划 + 执行 + 解释」，把多步诊疗任务串成一条完整的工作流。
多智能体协作和单个大模型有什么不同？
单个大模型「一肩挑」所有任务，容易在信息杂乱时顾此失彼。多智能体则是把诊疗流程拆成规划、取数、判图、出结论等子任务，交给各自专精的智能体分工完成、再汇总协同，既降低了单点出错概率，也让每一步都可检查、可解释。