黄斑变性随访中「继续打针还是停药」怎么定？AMDagent多模态工具增强智能体整合纵向影像与临床指南，92%决策单元获专家认可
年龄相关性黄斑变性（AMD）的治疗要围绕抗VEGF注射做长期随访，每次都要跨多次、多模态影像判断病情与治疗反应。浙大二院眼科中心联合南京大学、埃因霍温理工大学的团队在npj Digital Medicine提出AMDagent——一个把定量影像分析与临床指南检索接起来的证据接地智能体，在20例纵向随访病例概念验证中，92.0%决策单元获专家评为临床适当、83.3%主要判断可溯源。
年龄相关性黄斑变性（AMD，俗称「老年黄斑变性」）的治疗管理，核心是围绕抗血管内皮生长因子（anti-VEGF）玻璃体内注射的长期随访决策——病情有没有活动、要不要继续打针、注射间隔该拉长还是缩短。传统上这些判断靠医生逐次对比多模态眼底影像（OCT、眼底彩照、荧光血管造影等），费时又容易遗漏。浙江大学医学院附属第二医院眼科中心联合南京大学、埃因霍温理工大学的团队，在《npj Digital Medicine》上提出了 AMDagent——一个把「定量影像分析」和「临床指南检索」接起来的证据接地（evidence-grounded）智能体。在 20 例纵向随访病例的概念验证中，92.0% 的决策单元被专家评为「临床适当」，83.3% 的主要临床判断都能溯源到工具算出的定量指标或检索到的指南证据。
研究背景：黄斑变性随访为什么难决策？
AMD 是全球老年人致盲的首要原因之一，其中「湿性」AMD 需要长期、反复的 anti-VEGF 注射治疗。这类治疗的随访管理有两大特点：
- 决策是纵向的：每一次随访都要结合「这一次」的影像和「之前历次」的影像，判断病情活动性、治疗反应，再决定下一次打针的间隔；
- 证据是多模态的：往往要同时看光学相干断层扫描（OCT）、眼底彩照、荧光素血管造影等多种影像。
人工把跨多次随访的多模态影像「拼」成完整病程图景，既费时又容易漏掉关键变化，透明度和一致性也难以保证。这正是 AI 可以介入、又很难做好的地方——难点不在「看懂一张片子」，而在「把一串片子跨时间串起来做决策」。
创新点：AMDagent 如何把「多次随访」串成一条证据链？
此前已有用大语言模型（LLM）总结 AMD 纵向信息的工作，但普遍缺两样东西：一是显式的定量接地（quantitative grounding），二是证据归因（evidence attribution）——也就是说，AI 给的结论到底依据哪张影像的哪个指标、哪条指南，往往说不清，临床没法审计。
AMDagent 针对这两点做了补强：
- 定量影像分析：先用专门工具把多模态影像转成可计算的定量指标（如视网膜厚度变化、病灶面积、积液有无等）；
- 指南检索：同时检索临床指南，把「影像发现」和「该怎么做」对上；
- 可溯源输出：生成给医生看的结构化决策支持内容，每一条主要判断都挂着对应的证据来源，医生可以逐条核对。
这样一来，系统给出的不再是一句「建议继续打针」，而是「因为 A 指标如何变化、依据 B 指南，所以建议如何」，把随访决策从「黑箱结论」变成「可审计的证据链」。
技术原理：工具增强 + 证据接地，临床决策智能体如何做到可溯源？
AMDagent 属于典型的工具增强（tool-augmented）临床决策智能体。它的工作流大致是：
- 多模态读取：把跨多次随访的多模态眼底影像喂入，交给定量分析工具，得到结构化指标；
- 证据检索：针对当前病例的决策问题，检索相关临床指南与证据；
- 决策生成：把定量指标与指南证据结合，生成面向医生的、结构化的决策支持输出；
- 证据标注：在每一条主要临床判断后显式标注其依据来源，保证「可溯源」。
这套设计的核心价值，是把「临床决策智能体」最被诟病的「黑箱」问题，用「工具算指标 + 指南给依据 + 逐条标注来源」的工程化方式化解掉——AI 负责把多模态、跨时间的证据整理齐，最终判断仍由医生拍板。
数据说话：20 例纵向随访，92% 决策单元获专家认可
在精心整理的 20 例纵向 AMD 病例上做概念验证（proof-of-concept），结果如下：
| 指标 | 结果 |
|---|---|
| 决策单元临床适当率 | 92.0%（专家评审） |
| 主要临床判断的证据接地率 | 83.3%（可溯源到定量测量或指南证据） |
具体说：
- 在专家评审下，系统生成的预定义「决策支持单元」中，92.0% 被评为「临床适当」；
- 在被审计的「主要临床判断」里，83.3% 能显式溯源到工具算出的定量指标和/或检索到的指南证据，医生可逐条核实。
需要强调的是，这是一项概念验证研究，样本仅 20 例、且为回顾性精选病例，数字看的是「可行性」而非「临床终点」。作者也明确，还需更大规模的前瞻性多中心研究来评估其普适性和临床效用。
应用前景与局限
AMDagent 的价值不在「替代医生」，而在把慢病纵向随访里最琐碎、最容易被忽略的「证据整理」环节自动化，让医生把精力放在真正的判断上。对医院 AI 助手、临床决策智能体的落地而言，它示范了一条更可信的路径：用「可溯源」换取「可审计」，用「工具定量」换取「医生信任」。
局限同样要说清：
- 样本小（20 例）、回顾性、单中心，结论不能外推到真实临床结局；
- 评估的是「决策单元是否适当」，不是「患者视力预后是否改善」；
- 未报告与医生的头对头对比，也未说明在真实工作流中的时间收益。
结论
AMDagent 用「工具增强 + 证据接地」的工程思路，把黄斑变性纵向随访决策从「一句黑箱结论」变成「一条可审计的证据链」。92.0% 的决策单元获专家认可、83.3% 的主要判断可溯源，说明让临床决策智能体「讲得清依据」，是一条比「单纯堆模型」更值得走的路。在医疗场景里，AI 的可信度从来不只看「答得对不对」，更看「能不能说清为什么」——这正是 AMDagent 这类证据接地智能体最值得关注的地方。
| 论文标题 | A multimodal tool-augmented agent for evidence-based clinical decision support in longitudinal AMD follow-up（面向黄斑变性纵向随访的多模态工具增强智能体：循证临床决策支持） |
| 作者 | Tao Chen（第一作者）、Kai Jin（金凯）、Jiong Zhang；通讯作者 Kai Jin（金凯）/ Jiong Zhang |
| 机构 | 南京大学苏州校区生物医学工程系、埃因霍温理工大学电气工程系、浙江大学医学院附属第二医院眼科中心、浙江省眼科重点实验室 |
| 期刊 | npj Digital Medicine（2026 年 11 月 3 日在线发表） |
| 发表时间 | 2026 年 11 月 3 日（2026-04-01 投稿、2026-10-04 接收） |
| DOI | 10.1038/s41746-026-03412-9 |
| PubMed | 暂未索引（论文 2026-11-03 新发表） 点击在 PubMed 搜索 |
论文原文信息地址：https://www.simoagent.com/blog/2026-11-13-amdagent-longitudinal-amd-follow-up/
参考文献
-
Chen T, Jin K, Zhang J. A multimodal tool-augmented agent for evidence-based clinical decision support in longitudinal AMD follow-up. npj Digital Medicine, 2026. DOI: 10.1038/s41746-026-03412-9
-
Zhao K, Jin K, et al. An autonomous multimodal AI agent for evidence-grounded ophthalmic diagnosis. Cell Reports Medicine, 2026;7(8):102969. DOI: 10.1016/j.xcrm.2026.102969
相关问题
什么是临床决策智能体？
临床决策智能体（clinical decision agent）是一种嵌入真实诊疗流程的医疗 AI——它不只「回答问题」，而是把「读影像、查证据、做判断、给建议」串成一条可验证的决策链，在诊疗过程中实时输出辅助判断，并把最终决定权留给医生。本文的 AMDagent 就是典型例子：它先把跨多次随访的眼底影像转成定量指标，再检索临床指南，最后生成每条都能溯源到证据的决策支持内容，供眼科医生核对与拍板。
黄斑变性为什么要长期随访、还要反复打针？
湿性年龄相关性黄斑变性（AMD）由眼底异常新生血管渗漏引起，需要长期、反复地向玻璃体内注射抗 VEGF 药物来抑制血管渗漏、保住视力。每次随访医生都要结合历次影像判断病情活动性与治疗反应，再决定下一次注射的间隔——间隔太长可能病情复发，太短则增加负担与风险，因此「继续打针还是停药、间隔怎么调」就成了贯穿整个病程的纵向决策。
AMDagent 能替代眼科医生吗？
不能。AMDagent 是「决策支持」而不是「自主诊疗」：它负责把跨时间、多模态的影像证据整理齐全、并逐条标注依据来源，最终判断仍由医生做出。而且本研究只是 20 例回顾性病例的概念验证，评估的是「决策单元是否适当」而非「患者视力预后是否改善」，离替代医生还有很远的距离。