ColaCare：通过大型语言模型驱动的多智能体协作增强电子健康记录建模

我们提出ColaCare框架，通过大型语言模型（LLM）驱动的多智能体协作来增强电子健康记录（EHR）建模。我们的方案将特定领域的专家模型与LLM无缝集成，以弥合结构化EHR数据与基于文本的推理之间的鸿沟。灵感来自临床环境中使用的多学科团队（MDT）方法，ColaCare采用两种类型的智能体：DoctorAgents和MetaAgent，通过协作分析患者数据。专家模型处理和生成来自数值EHR数据的预测，而LLM智能体在MDT驱动的协作咨询框架内生产造推理参考和决策报告。MetaAgent协调讨论，促进DoctorAgents之间的咨询和基于证据的辩论，模拟临床决策中多样化的专业知识。我们此外将Merck诊断与治疗手册（MSD）医学指南纳入检索增强生成（RAG）模块，以提供医学证据支持，解决知识时效性的挑战。在针对三个EHR数据集进行的广泛实验中，ColaCare在临床死亡结果和再入院预测任务方面实现了卓越的性能，凸显了其在革新性地推动临床决策支持系统和个性化精密医学方面的潜力。该项目的源代码、案例研究和问卷均可在项目网站https://colacare.netlify.app获取。