不确定性下的协同医疗分诊：一种多智能体动态匹配方法

疫情后医疗需求的激增，加上严重的护理短缺，给医疗分诊系统带来了前所未有的压力，亟需创新的 AI 驱动解决方案。我们提出了一种用于医疗分诊的多智能体交互智能系统，解决了当前基于 AI 的分诊系统面临的三个基本挑战：医疗专业化不足导致误分类、医疗机构间科室结构异质，以及低效的细节导向提问阻碍快速分诊决策。我们的系统采用三个专门的智能体——RecipientAgent、InquirerAgent 和 DepartmentAgent——通过询问引导机制和分类引导机制协作，将非结构化的患者症状转化为准确的科室推荐。为确保稳健的评估，我们从“爱爱医网”构建了一个综合的中文医疗分诊数据集，包含跨越 9 个一级科室和 62 个二级科室的 3,360 个真实世界病例。实验结果表明，我们的多智能体系统在经过四轮患者交互后，一级科室分类准确率达到 89.6%，二级科室分类准确率达到 74.3%。该系统基于动态匹配的引导机制能够高效适应不同医院配置，同时保持高分诊准确率。我们成功开发了这一多智能体分诊系统，它不仅适应医疗机构间的组织异质性，还确保了临床合理的决策。