MCP-AI：面向医疗领域自主推理的协议驱动智能框架
人工智能
2025-12-08 v1 定量方法
摘要
医疗 AI 系统过去一直面临将情境推理、长期状态管理和人类可验证工作流程整合到 cohesive 框架中的挑战。本文提出一种全新架构和概念：将模型上下文协议（Model Context Protocol, MCP）与特定临床应用结合，称为 MCP-AI。这种集成使智能代理能够在更长时间段内进行推理、安全协作，并遵循真实的临床逻辑，这标志着从传统临床决策支持系统（Clinical Decision Support Systems, CDSS）和基于提示的大型语言模型（Large Language Models, LLMs）转变的重大突破。随着医疗系统变得越来越复杂，亟需一种自主且具情境感知的临床推理框架。我们提出的 MCP-AI 是一种基于模型上下文协议（MCP）的可解释医疗决策新架构，MCP 是一种用于在实际工作流程中编排生成式和描述式 AI 代理的模块化、可执行规范。每个 MCP 文件捕获临床目标、患者情境、推理状态和任务逻辑，形成一个可重用且可审计的记忆对象。与常规 CDSS 或无状态的基于提示的 AI 系统不同，MCP-AI 支持跨护理环境的自适应、纵向和协作推理。MCP-AI 通过两个实际案例进行验证：（1）伤哥综合征伴抑郁的诊断建模，（2）2 型糖尿病和高血压的远程协调。在任一场景中，该协议都促进了医生在环验证、简化了临床流程，并保证了 AI 责任在医疗提供者之间安全转移。该系统连接 HL7/FHIR 接口，遵循 HIPAA 和 FDA 医疗器械软件指南等监管标准。MCP-AI 为未来临床环境中可解释、可组合且以安全为导向的 AI 提供了可扩展基础。
引用
@article{arxiv.2512.05365,
title = {MCP-AI: Protocol-Driven Intelligence Framework for Autonomous Reasoning in Healthcare},
author = {Zag ElSayed and Craig Erickson and Ernest Pedapati},
journal= {arXiv preprint arXiv:2512.05365},
year = {2025}
}
备注
6 pages, 4 figures