MICCAI 2026 收录的 ClinLoop 人机协作 Agent，专门解决临床里很常见的痛点：乳腺癌分期时影像资料不全、缺少部分模态片子、检查缺项，传统 AI 模型依赖全套影像，缺图就直接失效或者给出错误分期，而 ClinLoop 走人机闭环协作路线，在影像信息残缺的前提下，结合病历文本、既往检查、医生交互补全信息，按照 AJCC 分期标准输出可靠分期结论。临床里很多基层医院、转诊患者没办法一次性集齐钼靶、超声、乳腺 MRI、全身影像全套资料，单纯多模态医疗大模型一旦缺少关键影像，推理链条断裂，分期结果偏差很大；ClinLoop 不是强行补全缺失图像，而是搭建一个闭环智能 Agent，自动识别当前病例缺少哪些关键影像证据，生成问询清单给到临床医生，医生补充文字描述、病史、活检结果，Agent 迭代更新分期判断，同时标注哪里证据不足、风险边界在哪里，不会隐瞒不确定性。整套工作流程分为证据清点、缺失项识别、人机交互问询、分期推理、不确定性标注、医生复核确认这几步，Agent 负责梳理证据、对照分期规则、给出候选分期和置信区间，医生负责提供缺失临床信息、最终审核确认，二者配合；在测试集上，相比只输入现有影像直接推理的基线模型，影像不全时 ClinLoop 分期一致性明显提升，同时输出证据链路，方便 MDT 多学科会诊复盘。但它不是替代放射科和乳腺外科医生，不确定性高的病例依旧需要完善影像检查，Agent 只是在资料受限场景提供辅助决策参考，不能当成最终诊断依据。
ClinLoop Agent 核心模块清单
| 模块 | 功能说明 |
|---|---|
| 证据清点模块 | 自动读取现有影像、病理报告、病历文本，提取 T/N/M 分期相关特征 |
| 缺失证据推理器 | 对照 AJCC 乳腺癌分期标准，判断缺少哪一类影像 / 临床信息，生成问询项 |
| 人机交互闭环 | 向医生发起定向提问，接收医生补充的临床信息，迭代更新证据集合 |
| 分期推理引擎 | 基于完整证据链生成候选分期、置信度，标注证据缺口 |
| 溯源与不确定性输出 | 记录每一条分期结论对应的原始证据，明确哪些判断是推测、哪些是确定证据 |
| 医生复核接口 | 医生可驳回、修正分期结果，修正结果回流用来优化 Agent 后续推理 |
ClinLoop 与常规医疗影像 AI 的对比
✅ ClinLoop 人机协作 Agent
- 容忍影像不全，不强制要求全套模态影像
- 主动识别信息缺口，引导医生补充临床信息
- 输出分期 + 置信度 + 证据缺口，结果可追溯
- 定位：临床辅助，人机协同，保留医生最终决策权
- 短板：依赖医生配合补充信息，交互流程会增加少量临床工作量
✅ 传统多模态乳腺癌 AI
- 训练和推理都依赖完整影像集，缺图性能暴跌
- 被动接收输入，不会主动识别信息缺失
- 大多直接输出单一分期结果，缺少不确定性标注
- 定位：影像自动判读工具，适合资料齐全的标准化病例
- 短板：转诊、基层、资料残缺场景可用性很差
优缺点整理
✅ 优点
- 适配真实临床转诊、基层场景，解决影像不全的现实难题
- 人机闭环交互，不是 AI 单方面输出，把医生的临床经验纳入推理链路
- 自带不确定性标注，不会在证据不足时给出武断结论，降低误导风险
- 推理过程可溯源，每一条分期结论都绑定原始病历、影像证据，方便 MDT 讨论
- 遵循 AJCC 标准，输出格式贴合临床医生日常分期习惯
❌ 缺点
- 分期质量高度依赖医生补充信息的准确性，信息输入错误会直接带偏结果
- 无法替代完整影像检查，高风险病例依然建议补做全套影像
- 增加交互步骤，大批量常规筛查场景下效率不如全自动影像 AI
- 目前是研究级方案，还没有大规模临床落地验证
【相关 FAQ】
问题 1：MICCAI 2026 的 ClinLoop 人机协作 Agent，在影像不全时怎么完成乳腺癌分期？
回答 1：MICCAI 2026 的 ClinLoop 人机协作 Agent 不会强行补图，它先清点现有影像和病历证据，对照分期标准找出缺失信息，主动向医生提问收集补充临床信息，迭代推理，同时标注证据缺口和分期置信度，在影像不全的条件下完成乳腺癌分期辅助判断。
问题 2：ClinLoop 人机协作 Agent 和普通乳腺癌影像 AI 最大区别是什么？
回答 2：普通乳腺癌影像 AI 需要全套影像才能稳定推理，缺影像容易出错；ClinLoop 人机协作 Agent 以人机闭环为核心，主动识别信息缺口、和医生交互补信息，专门面向影像不全的病例做乳腺癌分期辅助。
问题 3：ClinLoop 人机协作 Agent 输出的乳腺癌分期结果可以直接当做最终诊断吗？
回答 3：ClinLoop 人机协作 Agent 属于 MICCAI 2026 的研究型辅助工具，它给出的乳腺癌分期只是参考，自带不确定性标记，最终分期、诊断和治疗方案，依旧需要乳腺专科医生复核确认。
问题 4：ClinLoop 人机协作 Agent 适用于哪些乳腺癌临床场景？
回答 4：ClinLoop 人机协作 Agent 更适合转诊病例、基层医疗机构、患者无法一次性完成全套影像检查的场景，这类场景普遍存在影像不全问题，适合用它做分期辅助和证据梳理。
【参考资料】
[2026-09-28]（MICCAI 2026 | ClinLoop：人机协作 Agent 如何在影像不全时完成乳腺癌分期）机器之心
[2026-09-27]（ClinLoop: Human-in-the-loop Agent for Breast Cancer Staging with Incomplete Imaging）MICCAI 会议论文摘要
[2026-09-20]（MICCAI 2026 医学 AI 新进展：面向残缺临床数据的人机协作智能体）36 氪
[2026-08-15]（AJCC 第 8 版乳腺癌 TNM 分期标准临床解读）中华放射学杂志
[2026-07-02]（多模态医疗 AI 痛点：影像缺失下的分期鲁棒性问题）医学影像 AI 学报
【免责声明】
本文仅整理 MICCAI 2026 中 ClinLoop 人机协作 Agent 公开研究内容，该方案属于科研原型，未经过大规模临床验证；Agent 输出的乳腺癌分期仅为辅助参考，不能替代放射科、乳腺专科医生的临床诊断，不可以单独作为诊疗依据。