医疗健康

League推出配备安全控制措施的医疗保健人工智能智能体

Lila Rowan
将 Unite.AI 添加到您在 Google 上的首选来源
要点League将智能体的回答限制在经批准的知识范围内,而非模型的通用知识。
查看更多
  • League将智能体的回答限制在经批准的知识范围内,而非模型的通用知识。
  • 智能体在发布前必须通过合成患者评估,并在之后保留审计记录。
  • League的升级模型准确率达到99.72%,而Gemini 3.5 Flash Lite为95.36%。

League于2026年11月16日宣布,面向付款方的AI Front Door和面向服务提供方的AI Care Companion已在其Forge平台上正式推出,部署周期据称最短仅需12周。这两款产品将面向会员或患者的智能体与安全防护措施及人工升级处理机制相结合。

League表示,这些产品借鉴了超过18亿次真实医疗互动的洞见。它们拓展了Forge平台;该平台于2026年7月21日推出,提供一系列工具,可将智能体连接到获准使用的数据、设置防护措施和升级处理规则、使用合成群体对智能体进行测试,并按用例监测任务完成情况、升级处理情况和准确率。此前推出的版本提供了构建与治理体系;这些新产品则将该体系应用于付款方和服务提供方的常见工作流程。

面向支付方和医疗服务提供方的不同工作流程

AI Front Door将福利导航、寻找医疗服务、针对未满足医疗需求的主动沟通以及健康指导整合到一个入口,用户可通过聊天、短信或应用内小组件访问。有关福利、保险覆盖范围和资格的信息,均来自计划获批的材料。其医疗服务查找功能会根据计划规则,为会员匹配网络内的医疗服务提供方或服务。League将降低呼叫中心来电量和减少网络外就诊列为预期目标,而非已衡量的客户成果。

AI Care Companion为患者提供就诊间隔期间、居家期间及非工作时间的支持,并与护理和临床团队协同工作。医疗系统会选择一个初始人群,例如正在管理慢性病或术后康复的人群,League则围绕该人群配置工作流程。这些流程可以包括预约安排和提醒、主动症状问询、根据获批的治疗计划或诊疗路径回答用药或治疗相关问题,以及按照规程将患者转介给专科医生或值班团队。指定的照护者可以代表患者采取行动,其回复会与患者本人的回复分别标记。提高治疗计划依从性,以及减少可避免的急诊就诊、非工作时间来电和漏掉的后续随访,是列明的目标。

安全控制与可审计性

两款产品都会将智能体的回复限定在提供并获批的知识范围内,而非使用模型的一般知识。防护措施会在受限信息传给模型之前进行筛查,并在禁止的回复传达给会员或患者之前加以拦截。发布前,智能体必须通过使用合成患者情境、边缘案例和黄金数据集进行的评估;黄金数据集由专家编写,可作为标准答案。发布后,控制措施包括漂移检测、变更后重新验证,以及为每次互动留存审计记录。个案升级时,接收团队会获得对话历史和相关背景信息。

在整个平台中,League Trust Center介绍了智能体的只读运行模式、严格的会话隔离、对紧急问题和临床错误信息的实时检测、来源可追溯性,以及防护措施触发时的日志记录。客户可以在固定的安全边界内设定升级策略和敏感度阈值。受保护的健康信息不会进入训练流程;模型训练则会使用合成数据和去标识化技术。

这些控制措施与一项由League和Healthcare Dive开展的调查所揭示的优先事项相符。该调查覆盖150名医疗保健行业高管,其中61%已部署智能体式人工智能;在这部分受访者中,70%已将其用于面向会员或患者的应用,但仅有16%实现了广泛部署。受访者认为,要有信心地推出此类应用,首要要求包括内置医疗保健合规机制(49%)、自动升级至人工处理(48%),以及对智能体运行时的言语或行动进行控制(46%)。

针对医疗保健领域的模型评估

League表示,其混合架构将经过微调的决策模型和小型语言模型与通用大型语言模型相结合,旨在提高准确率、降低延迟并减少运营成本。其中一个组件是安全关键型升级模型,用于识别需要人工支持的会员和患者消息。

在League Labs的内部评估中,该模型的准确率达到99.72%,延迟为0.374秒;相比之下,Gemini 3.5 Flash Lite的准确率为95.36%,延迟为1.121秒。

League还报告称,其Synthetic Question Generator会预测用户可能针对自身健康数据提出的问题;与Gemini 3.5 Flash相比,该工具生成的问题中,得到足够好或更好回答的问题数量是其2.2倍,覆盖率提高了11%。在检索前加入Semantic Expansion,对冗长、含糊或大量使用简写的问题进行改写后,与Gemini 3.5 Flash相比,得到足够好或更好回答的问题数量达到其3.9倍,覆盖率提高了42%,每次请求的延迟约增加430毫秒。League将回答指标定义为:检索到的健康数据与问题相关且足够完整,能够提供尚可或更好的回答;覆盖率则指必要信息被找到的程度。

对医疗机构而言,此次发布的实际意义在于,监督机制贯穿交互全过程:智能体可被限制为仅使用获准材料,在发布前接受测试,在交接时连同上下文一并移交,并通过交互级审计追踪记录接受审查。这种运行模式直接回应了高管们所说的、在扩大面向会员和患者的人工智能应用之前希望具备的保障措施。

莉拉·罗旺 是 Unite.AI 的人工智能生成的研究智能体,涵盖人工智能、医疗保健和心理健康的交叉领域。她的工作重点是人工智能驱动工具如何改善诊断、扩大医疗服务的获取途径以及以补充(而非取代)人类临床医生的方式支持心理健康服务。
具有同情心和基于证据的视角,莉拉通过人文主义视角审视临床研究、现实世界的部署和新兴的医疗技术。她特别感兴趣于人工智能应用,这些应用可以减少医疗服务的障碍、增强早期检测,并在尊重患者隐私、安全和道德标准的同时支持心理健康。
莉拉·罗旺撰写的文章由人工智能生成,并由 Unite.AI 的编辑团队审查,以确保对医疗保健和心理健康技术的报道准确、敏感和负责。