编者按：2026年4月17日至21日，第36届欧洲临床微生物学与感染病学会全球大会（ESCMID Global 2026）在德国慕尼黑举行，抗菌药物耐药防控与医学教育创新成为核心议题。抗菌药物管理是应对全球耐药危机的关键环节，传统培训模式存在场景单一、实操性不足、知识更新滞后等短板，难以适配临床能力培养需求。面对这一行业痛点，浙江大学医学院附属邵逸夫医院陈衍主任、俞云松教授团队立足人工智能技术，探索抗菌药物管理教育的创新路径。本刊特邀陈衍主任分享研究初衷与研发思考，展现AI赋能医学教育的前沿探索，为全球抗菌药物管理培训提供新思路。

 

研究简介

 

摘要号：O0675

Intelligent multi-agent systems for antimicrobial stewardship training: a new paradigm in medical education

用于抗菌药物管理培训的智能多智能体系统：医学教育的新范式

 

背景

 

抗菌药物耐药是全球重大健康威胁，凸显了开展抗菌药物管理（AMS）有效培训的迫切需求。

 

方法

 

本研究研发了一款智能多智能体系统（MAS），通过模拟真实临床决策环境，革新抗菌药物管理教育模式。该系统在交互式平台中整合虚拟患者、临床医师、药师、微生物学家等专业智能体，依托大语言模型（LLMs）、自然语言处理（NLP）技术，结合MedDynamic-RAG实现知识实时更新，可完成动态场景模拟、协作推理与个性化反馈。培训对象涵盖医学生至执业医师，参与抗生素选择、剂量调整、复杂感染管理等结构化抗菌药物管理场景训练。系统自动评估临床决策、沟通能力与团队协作水平，考核指标包含决策准确性、指南依从性及资源利用效率。

 

结果

 

该系统在46名医学生与住院医师中完成测试。超90%的培训对象反馈学习参与度提升，其中60.9%对此效果高度认可；超97%的受试者认为基于智能体的学习内容具有补充价值；超93%的受试者认同该模式提升了知识获取的效率与准确性。智能体生成的知识与资源数据库利用率达90%，受试者普遍反馈资源丰富、获取便捷，自动更新机制进一步提升了资源使用效率。

 

研究结论

 

智能多智能体系统在抗菌药物管理培训中展现出显著应用潜力，仍需开展进一步队列研究以验证本研究结论。

 

研究者访谈

 

《感染医线》：是什么临床问题或教育缺口促使您和团队决定开发这样一个智能多智能体系统（MAS）来变革AMS教育？你们在研发这套系统时，最核心的技术难点是什么？又是如何解决的？

 

陈衍主任：当前，细菌耐药已成为全球性公共卫生问题。我作为感染科、院感科医生，在临床工作中深刻体会到，抗菌药物管理领域的教育存在明显短板。传统的抗菌药物管理教学，多以简单的考试或课堂讲授为主，这种模式难以让临床医生及学员在实际病例和临床实践中，真正掌握抗菌药物合理使用的技巧。如今已进入人工智能时代，因此我们希望结合多智能体系统可互动、可实时更新的特点，将抗菌药物管理相关教学融入其中，开发一套完整的系统，让学员通过与系统的真实互动，在模拟临床病例中学习，从而实现抗菌药物管理的教学目标，尤其是抗生素合理使用。

 

也正因为细菌耐药的全球性问题，抗菌药物培训一直是我们临床工作中的难点。如之前所提到的，传统教学模式较为机械，仅通过考试或课堂讲授，学员往往在完成考卷后，就容易忘记抗菌药物使用的细节。基于此，我们团队与企业合作共同研发多智能体系统，希望通过智能体之间的交互，增强抗菌药物培训的互动性；同时，借助智能体引入最新的抗菌药物知识、诊疗规范及指南，在模拟真实临床场景中规范用药流程，让临床医生更扎实地掌握相关技能，且记忆更持久，这也是我们设计该智能体系统的初衷。

 

《感染医线》：从46名受训者的反馈来看，90%以上学习参与度提升、知识获取效率显著改善，您认为这个系统相比传统教学，最突出的优势体现在哪些方面？

 

陈衍主任：我们开发的多智能体教学系统目前仍处于研发阶段。前期我们已在医学生和住院医师中开展了小范围教学验证。根据这46名临床医师、住院医师和医学生的使用反馈，这种交互式教学方式能够显著提升学习兴趣，并使知识记忆更为持久。这是我们初步取得的积极结果。相比传统教学，该系统最突出的优势在于通过交互式、情境化的学习方式，提高学习的主动性与长期知识保持率。

 

接下来，我们将对系统进行内部验证，重点评估其准确性、实时性、可操作性，并考量相关伦理问题；同时计划开展外部验证，即通过临床队列研究，检验该系统能否在抗菌药物培训中带来长期、有效的学习效果提升。我们还将进一步开展大规模、前瞻性的临床队列研究，以验证该软件的可靠性、准确性，以及是否确实能为临床医师的抗菌药物培训带来积极、持久的促进作用。这也是我们未来重点推进的研究方向。

 

《感染医线》：这个框架在模拟诊疗过程中，如何动态检索并整合最新的病原学、药敏数据或治疗指南，支持“虚拟临床医生”或“虚拟药剂师”智能体做出更符合当前最佳证据的推荐？

 

陈衍主任：我们前期已具备语言模型及知识库构建的工作基础，依托该领域内所有先进且最新更新的文献，搭建了专属知识库。在此基础上，我们结合机器学习及人工智能驱动的知识更新方式，实现新知识的快速获取与整合。

 

此外，我们还在系统中构建了反馈与评估体系，能够在学员学习过程中，实时评估其学习状态。系统的多个环节均结合最新AI技术进行了创新与优化，确保系统能够持续更新迭代，我们最终希望构建出一套准确性与时效性兼具的优质系统。

 

俞云松 教授

感染病学教授、主任医师

浙江大学求是特聘教授、博士研究生导师

浙江省卫健委领军人才

浙江大学医学院附属邵逸夫医院感染病学科带头人

中国医药教育协会感染疾病专业委员会名誉主任委员

中华医学会细菌感染与耐药防治专业委员会候任主任委员

浙江医学会细菌感染和耐药防治专业委员会主任委员

国家卫健委抗菌药物合理应用和耐药评价专业委员会副主任委员

浙江省微生物技术与生物信息研究重点实验室主任

中华预防医学会医院感染控制委员会常务委员

中华医学会感染病学分会常务委员

浙江省预防医学会医院感染控制专业委员会主任委员

浙江省医学会感染病专业委员会副主任委员

以第一作者和通讯作者发表SCI收录论文145篇

连续四年入选爱思唯尔“中国高被引学者”（2021-2024年）

先后主持国家自然科学基金10项(重点项目2项、国际合作1项、区创项目1项)

 

陈衍 主任

医学博士

浙江大学医学院特聘研究员、主任医师、博士生导师

研究方向：细菌耐药及毒力机制、AI在感染性疾病诊治的应用

工作学习经历：

2012/10-2014/04 美国国立卫生研究员 感染与免疫研究所 联合培养博士

2014/08-至今，浙江大学邵逸夫医院，感染科、医院感染管理科

社会兼职及奖项：

浙江省自然科学基金杰出青年基金获得者

中华医学会感染病学分会青年委员

中华医学会细菌感染与耐药防治分会青委副主委

中国医药教育协会感染专业委员会（IDSC) 青委副主委

浙江省医学会细菌感染与耐药防治分会青委副主委

浙江省药学会感染药学专业委员会青委副主委

浙江省卫生高层次人才医坛新秀

浙江省抗疫优秀青年感染科医师

学术成果：

第一及通讯作者身份在Nature Communications、Lancet Infect Dis、Lancet Microbe、Emerg Infect Dis、Clin Infect Dis等微生物主流杂志发表SCI文章30余篇，单篇最高引用次数为180余次

2011、2017年2次荣获“中国百篇最具影响国际学术论文”

担任Lancet Microbe、Frontier Microbiology、BMC Infectious Diseases等杂志审稿人

近年来共主持国家自然科学基金项目3项

拥有1项机器学习视觉分析国家发明专利

 

来源：《感染医线》

 

声 明

凡署名原创的文章版权属《感染医线》所有，欢迎分享、转载（开白可后台留言）。本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该等信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。

3792