2026年6月23日，清华大学生物医学工程学院周洪宇课题组AIMS（AI in Medicine at Scale）实验室在《自然·生物医学工程》在线发表论文《Large reasoning models as thinking machines for medicine》，首次提出“医学推理人工智能”的理论框架，为以大型推理模型（LRMs，Large Reasoning Models）为核心的新一代人工智能模型向临床实践应用的转化路径提供了系统性支撑。论文唯一通讯作者为清华大学周洪宇助理教授，合作者包括来自贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）、哈佛大学医学院（Harvard Medical School）、斯克里普斯研究所（Scripps Research）等机构的医学人工智能领域的顶尖学者。

一、研究背景

大型推理模型与此前广泛应用的大语言模型（Large Language Models, LLMs）底层架构一脉相承，但工作方式存在本质差异：大语言模型通常直接输出答案，其内部计算过程难以被使用者审视；大型推理模型则在给出最终结论之前，先生成一段显式的、多步骤的中间推理过程，即通常所说的“思维链”。这一特性使大型推理模型在数学证明、代码生成等依赖严密逻辑推演的任务中展现出优势。

   医学临床决策高度依赖系统性证据整合与透明推理过程，医生的诊疗行为本身也包含知识调用、自我校验及针对疑难病例的深入分析，这与推理模型的设计逻辑存在较高契合度。既有医学人工智能系统给出的建议通常仅表现为一个结论加一个置信度，其推理依据难以被医生审视，信任建立与责任归属因此成为普遍存在的问题。大型推理模型能够呈现完整、逐步展开的推理链条，为解决这一问题提供了新的技术路径，这也是本文提出医学推理智能（MRAI，Medical Reasoning AI）框架的出发点。

二、核心问题：推理透明是否等同于结果可信

图1：医学推理智能的实施路径

论文进一步探讨了一个关键问题：完整呈现的推理链条，是否天然带来更高的可信度。

对于仅输出结论的系统，医生的核验成本相对有限，例如通过查看一张胸部X光片即可判断“检测到肺炎，置信度87%”这一结论是否合理。而对于呈现完整推理链条的系统，例如围绕发热、意识改变、颈项强直等表现，逐步鉴别细菌与病毒感染的可能性，评估旅行史与免疫状态，并最终给出腰椎穿刺与经验性抗生素治疗建议，医生所需审视的已不再是单一数值，而是若干相互关联、层层递进的判断环节。论文发现，模型完全可能出现结论正确但推理逻辑存在瑕疵，或与之相反的情形，此时简单的结果核对已不足以确保临床安全。

论文同时指出了一种容易被忽视的潜在风险，即审查疲劳。在急诊、影像诊断等高负荷临床场景中，医生若长期面对结构复杂的推理链条，可能出现审查标准趋于宽松、对系统给出的解释缺乏充分甄别的倾向。这一发现表明，可解释性的实现并非没有代价：它实质上将原本集中于算法开发阶段的验证成本，转移至临床使用中的每一次交互过程，若缺乏相应的制度性安排加以约束，这一转移可能反而削弱系统的安全性。

三、医学推理智能的界定：三项可验证的设计准则

图2：医学推理智能的关键特征

针对上述验证成本问题，论文提出了明确的应对方案，将医学推理智能界定为三项可验证的核心特征，以此作为约束和分担验证成本的制度性设计，区别于笼统意义上的人机协作概念。

其一，持续的人机协同机制（Continuous human-in-the-loop interaction）。 这是医学推理智能最基础也最重要的标准。系统在遭遇诊断不确定性或罕见病例时，应主动暂停并征询临床医生的判断，而非依赖不确定的推理独自向前推进。例如，当实验室结果提示某种不典型表现时，系统应暂停并请求医生解读，而非自行给出结论。与此同时，医生也不仅是被动接受输出，而是在关键决策执行前对完整推理链进行审阅。患者同样在这一机制中扮演角色：当病情描述模糊或信息不完整时，系统应主动提出针对性问题以获取关键细节；治疗后的患者结局也应作为反馈，帮助医生判断此前的推理路径是否合理，并为未来的系统改进提供依据。这种双向的信息流动，使医学推理智能始终定位为临床工作流程中的协作工具，而非自主决策者。

其二，对多源医疗工具的统一调度（Coordinated orchestration of extensive medical tools）。 与依赖静态知识库的传统AI不同，医学推理智能需要动态整合电子病历、实时检验系统、专科数据库与临床指南等多种异构资源，在同一个推理框架下完成证据综合。这不仅意味着被动检索信息，还包括主动调用药代动力学计算、基因变异解读、风险预测模型等专业分析工具，将这些能力嵌入临床推理过程本身。举例而言，面对一名症状复杂的患者，医学推理智能理应能够同时调阅既往病历、检索PubMed上的相关病例报道、核对药物相互作用数据库，并跟踪尚未返回的检验结果，从而给出兼顾全部可用信息的循证建议。

其三，监督式反思与调整机制（Supervised reflection and adaptation）。 与部署后行为保持不变的静态模型不同，医学推理智能应具备回顾既往决策、识别推理模式、并提出改进方案的能力。例如，当某一诊断结论后续被证实或推翻时，系统可以回溯当时的推理链条，判断其逻辑是否合理，并识别是否存在系统性的判断偏差，如对某类不典型表现的特征权重不足。但需要强调的是，这类改进建议不会被自动采纳，而是必须提交给医生评估其是否符合临床指南、是否具备充分证据支持，只有在获得明确批准后才能整合进系统。这一机制既允许医学推理智能随经验积累而持续进化，也确保这种进化始终建立在专家验证的基础之上，避免错误模式被无监督地强化。

四、技术路径与落地挑战

图3：医学推理智能的技术路径

在明确定义的基础上，论文系统梳理了构建医学推理智能所需的关键技术路径，包括基于可验证奖励的强化学习后训练方法、面向临床场景的提示词工程与优化策略，以及支持多智能体协同的建模框架，并进一步提出了从回顾性评估、前瞻性评估到临床工作流整合的完整实施路径。

论文还就医学推理智能在监管层面可能面临的现实挑战进行了讨论。以美国食品药品监督管理局现行的de novo审批路径为例，其制度设计建立在算法行为于获批后保持固定这一假设之上，而医学推理智能系统的推理方式会随临床经验的积累持续调整，例如在处理某一罕见病例后，改进其在后续同类病例中的判断逻辑。这意味着现行监管框架可能需要向持续性安全监测与动态更新审批机制转型。此外，论文也就数据隐私保护、责任归属认定与患者知情同意等相关问题进行了系统性讨论。

五、结语

这篇论文为理解大型推理模型在医学领域的应用前景提供了一个较为系统的分析框架。其核心贡献在于明确指出：可解释性并非没有代价，真正意义上的医学推理人工智能系统，需要在推理过程的透明化与可控的验证成本之间实现制度性平衡。这一框架也为后续围绕推理可验证性评估、临床安全监管、多智能体协同等方向的研究提供了可参考的理论起点。目前，课题组正围绕上述方向开展进一步研究工作，欢迎相关领域同行交流合作，并欢迎在后续研究中引用与讨论本文观点。论文完整内容及详细文献讨论可参见原文。

论文原文链接：https://doi.org/10.1038/s41551-026-01701-y

六、实验室简介

AIMS Lab（AI for Medicine at Scale）于2025年创立，隶属于清华大学生物医学工程学院，专注于生物医学领域的人工智能基础算法研究与临床转化应用。实验室核心研究方向包括多模态医学基座模型、临床推理人工智能、个体化智能建模等前沿课题，致力于推动人工智能技术与临床医学实践的深度融合。周洪宇博士相关研究成果发表于《自然·医学》（Nature Medicine）、《自然·生物医学工程》（Nature Biomedical Engineering）、《自然·机器智能》（Nature Machine Intelligence）、《新英格兰医学杂志人工智能》（NEJM AI）、《IEEE模式分析与机器智能汇刊》（IEEE TPAMI）等国际学术期刊。