基于协作多智能体LLM架构从SOAP记录中自动检测临床问题
人工智能
2025-09-01 v1 多智能体系统
摘要
准确解释临床叙述对于患者护理至关重要，但这些记录的复杂性使得自动化具有挑战性。虽然大规模语言模型（LLM）显示出前景，但单模型方法可能缺乏满足高风险临床任务所需的鲁棒性。我们引入一种协作多智能体系统（MAS），以模拟临床咨询团队的方式来解决这一问题。该系统被任务为仅分析主观（S）和客观（O）部分的SOAP记录，以模拟将原始数据综合为评估的诊断推理过程。经理经纪人协调一个动态分配的专家智能体团队，进行分层、迭代的辩论以达成共识。我们将我们的MAS与单智能体基线进行了评估，数据集为420篇MIMIC-III记录。动态多智能体配置在识别青壮心力衰竭、急性肾损伤和败血症方面表现出一致的改进。对智能体辩论的定性分析表明，这种结构有效地表现和权衡冲突证据，尽管偶尔可能容易受到从众思维影响。通过模拟临床团队的推理过程，我们的系统为实现更准确、更稳健且更具可解释性的临床决策支持工具提供了前景的路径。
引用
@article{arxiv.2508.21803,
title = {Automated Clinical Problem Detection from SOAP Notes using a Collaborative Multi-Agent LLM Architecture},
author = {Yeawon Lee and Xiaoyang Wang and Christopher C. Yang},
journal= {arXiv preprint arXiv:2508.21803},
year = {2025}
}
备注
Accepted to The 16th ACM Conference on Bioinformatics, Computational Biology, and Health Informatics (ACM-BCB 2025)(Poster Paper)