用于多框架临床沟通编码的代理式AI系统
计算与语言
2025-12-10 v1 机器学习
摘要
临床沟通对患者结局至关重要，但大规模人工标注患者-提供者对话仍然劳动密集、不一致且难以扩展。基于大型语言模型的现有方法通常依赖单任务模型，缺乏在跨各种沟通框架和临床领域应用时的适应性、可解释性和可靠性。在本研究中，我们开发了一个用于临床沟通的多框架结构化代理式AI系统（MOSAIC），基于LangGraph架构编排四个核心代理，包括用于编码手册选择和工作流规划的规划代理、用于维护最新检索数据库的更新代理、一组应用编码手册引导的检索增强生成（RAG）并结合动态少样本提示的标注代理，以及提供一致性检查和反馈的验证代理。为评估性能，我们将MOSAIC输出与训练有素的人工编码员创建的金标准标注进行了比较。我们使用26个金标准标注转录本进行训练和50个转录本进行测试，涵盖风湿病学和妇产科领域。在测试集上，MOSAIC取得了总体F1分数0.928。风湿病学子集性能最高（F1 = 0.962），患者行为方面表现最强（例如患者提问、表达偏好或展现果断性）。消融实验揭示MOSAIC优于基线基准。
引用
@article{arxiv.2512.08659,
title = {An Agentic AI System for Multi-Framework Communication Coding},
author = {Bohao Yang and Rui Yang and Joshua M. Biro and Haoyuan Wang and Jessica L. Handley and Brianna Richardson and Sophia Bessias and Nicoleta Economou-Zavlanos and Armando D. Bedoya and Monica Agrawal and Michael M. Zavlanos and Anand Chowdhury and Raj M. Ratwani and Kai Sun and Kathryn I. Pollak and Michael J. Pencina and Chuan Hong},
journal= {arXiv preprint arXiv:2512.08659},
year = {2025}
}