DeepER-Med：通过智能体 AI 推进医学深度循证研究
人工智能
2026-04-20 v1
摘要
可信度与透明度对于人工智能（AI）在医疗保健和生物医学研究中的临床采纳至关重要。近期的深度研究系统旨在通过将 AI 智能体与多跳信息检索、推理和综合相结合，加速基于证据的科学发现。然而，大多数现有系统缺乏明确且可检查的证据评估标准，这带来了复合错误的风险，并使研究人员和临床医生难以评估其输出的可靠性。同时，当前的基准测试方法很少评估在复杂的真实世界医学问题上的性能。在此，我们介绍 DeepER-Med，一个用于医学的深度循证研究框架，并配备一个智能体 AI 系统。DeepER-Med 将深度医学研究构建为一个明确且可检查的循证生成工作流，由三个模块组成：研究规划、智能体协作和证据综合。为了支持现实评估，我们还提出了 DeepER-MedQA，这是一个基于证据的数据集，包含 100 个源自真实医学研究场景的专家级研究问题，并由一个由 11 位生物医学专家组成的多学科小组精心策划。专家人工评估表明，DeepER-Med 在包括生成新颖科学见解在内的多项标准上，始终优于广泛使用的生产级平台。我们进一步通过八个真实世界的临床案例展示了 DeepER-Med 的实际效用。人类临床医生的评估表明，DeepER-Med 的结论在七个案例中与临床建议一致，突显了其在医学研究和决策支持方面的潜力。
引用
@article{arxiv.2604.15456,
title = {DeepER-Med: Advancing Deep Evidence-Based Research in Medicine Through Agentic AI},
author = {Zhizheng Wang and Chih-Hsuan Wei and Joey Chan and Robert Leaman and Chi-Ping Day and Chuan Wu and Mark A Knepper and Antolin Serrano Farias and Jordina Rincon-Torroella and Hasan Slika and Betty Tyler and Ryan Huu-Tuan Nguyen and Asmita Indurkar and Mélanie Hébert and Shubo Tian and Lauren He and Noor Naffakh and Aseem Aseem and Nicholas Wan and Emily Y Chew and Tiarnan D L Keenan and Zhiyong Lu},
journal= {arXiv preprint arXiv:2604.15456},
year = {2026}
}
备注
37 pages, 6 figures, 5 tables