医疗信息系统的异构性和数据存储格式的差异性，导致了目前医疗信息系统之间存在众多的“信息孤岛”现象，严重阻碍了信息的高速传输和有效共享。医疗信息能否有效整合就成了解决问题的关键。由于人工智能领域的不断发展和成熟，尤其是Agent技术已经覆盖到诸多领域，因此，我们提出一种将Agent技术应用于医疗信息整合的方案。　　 本文主要研究内容如下：　　 首先，详细阐述医疗信息整合模型涉及到的关键技术，如信息整合技术、Agent与Multi-Agent技术、XML技术：探讨了医疗信息整合中的相关标准，如：HL7标准、DICOM标准及FIPA标准：着重分析了Agent结构，Multi-Agent中Agent间的通信机制等。　　 其次，综合上述理论及技术，给出了基于Agent的医疗信息整合模型(AIHEM)，分析并设计了模型中各Agent的功能和结构；通过建立及解析DOM树的方式，实现了关系数据和XML文档的相互转换，从而完成医疗信息的整合；采用黑板方式及TCP/IP协议实现Agent间的通信；通过对KQML语言和FIPAACL语言的分析比较，指出这两种语言在应用时可能出现的弊端，结合XML语言的特点，采用XML描述FIPAACL消息并作为Agent间的通信语言。　　 最后，通过分析医疗信息的特点，得出若想在海量数据中获取重点关注的信息，智能的检索系统是必不可少的。经分析对比现有的信息检索模型，确定并建立了面向医疗领域的Ontology概念库，利用Ontology对用户的检索提问进行优化；构造了检索算法；为提高用户访问速度，对XML文档数据源建立了索引机制；从而构造出医疗信息检索模型(AIRM)，并在底层采用了Agent技术。　　 通过上述工作，能够有效地改善医疗信息系统存在的“信息孤岛”问题。