研究还探讨了当该系统构建在不同的底层“计算机大脑”（即大语言模型）之上时的表现。无论研究人员使用的是更强大的模型还是更小、更高效的模型，MARLA 始终能提供强劲的结果。这表明，该系统的价值在于其组织和监督研究过程的方法，而非其用于编写代码的工具的具体智能水平。研究人员明确指出，他们的系统并不是一个能瞬间解决所有医学问题的魔杖。它仍然需要临床医生来定义初始目标并审查最终计划。然而，这项工作证明，将临床问题转化为工作 AI 模型的大量繁琐工作现在可以由自主完成。通过管理规划、构建、测试和完善的复杂循环，MARLA 让临床医生能够专注于疾病本身的科学研究，而让系统处理解决方案的工程实现。这种转变预示着这样一个未来：医生洞察力与功能性 AI 工具之间的差距不再是专业知识的障碍，而是一个可以由单个智能系统管理的流程。
技术摘要：面向临床医生的医疗 AI 研究中的自主循环构建与监督
问题陈述 尽管医疗 AI 模型在生物医学研究和临床应用方面已产生了显著影响，但开发多模态医疗 AI 系统仍是一项高门槛的任务。这通常需要临床医生（拥有领域专业知识和数据，但缺乏技术实现技能）与 AI 专家（拥有技术技能，但需要深度的临床背景来定义目标和约束）之间进行紧密且迭代的协作。现有的自主智能体和大型语言模型（LLMs）在自动化特定任务（如代码生成或数据分析）方面展现出了潜力，但在自主管理复杂的医疗 AI 研究全生命周期方面仍显乏力。具体而言，要使代码智能体处理复杂的多模态开发任务，需要临床医生构建并监督复杂的研究循环，并提供详细的技术规范——这一需求超出了典型临床研究者的专业能力范围。此外，现有系统往往无法有效地将高层级的临床意图转化为可执行的技术方案，也难以监控执行过程中的细微失败（例如数据泄露、维度不匹配），或利用积累的经验来优化未来的迭代。
方法论：MARLA 框架 为了应对这些挑战，作者引入了 MARLA（Medical AI Research Loop Agent，医疗 AI 研究循环智能体），这是一个旨在将医疗 AI 研究循环的构建与监督工作从临床医生手中抽象出来的智能体框架。MARLA 通过四个核心机制运行：
并行探索： 对于每个任务，MARLA 会实例化多个并行的子循环，以同时探索不同的技术方向（例如，适配现有最先进模型 vs. 从零开始构建 vs. 利用先前的技能）。
依赖建模： DAG 结构确保下游任务可以继承来自上游任务经过验证的输出、模型和知识。
循环监督与干预（Loop Supervision and Intervention）： 在执行期间，MARLA 充当中央监督者，协调专门的代码智能体（Code Agents）。它持续监控执行轨迹、日志和结果。一旦检测到异常（例如训练损失停滞、数据泄露、资源故障），MARLA 会诊断根源，与代码智能体交互以验证证据，并启动纠正措施，如策略优化、重启子循环或修改数据处理协议。
通过技能实现的自我演进（Self-Evolution via Skills）： MARLA 具备自我演进能力。它将完成循环后的执行轨迹、验证结果和实现经验提炼为可重用的技能（Skills）、工具和代码模板。这些“技能”编码了程序性知识（例如，如何处理特定的数据泄露模式或适配代码库），可以通过检索来指导未来的研究循环，从而减少重复探索解决方案的需求。
核心贡献
研究复杂性的抽象化： MARLA 是一个能够完全抽象医疗 AI 研究生命周期构建与监督过程的框架，允许临床医生在无需 AI 专家持续支持的情况下驱动研究。
基于 DAG 的分层架构： 引入了具有显式依赖建模的分层循环结构，实现了多模态问题的系统化分解以及跨任务的知识继承。
意义与主张 本文主张，成功的医疗 AI 自动化不仅需要代码生成，更需要有效的研究循环构建、依赖感知协调、持续监督以及研究经验的积累。MARLA 证明，临床医生可以通过利用能够处理技术编排的智能体，独立开展复杂的多模态医疗 AI 研究。该框架能够自主诊断失败、优化策略并将知识提炼为可重用的技能，这为实现医疗 AI 开发的民主化开辟了路径，使领域专家能够专注于临床问题，而让智能体管理迭代的工程生命周期。结果表明，此类系统可以在多样化的临床领域和数据条件下，以结构化且可控的方式实现最优结果。