通过临床咨询流程赋能医疗多智能体：用于动态诊断
人工智能
2025-03-24 v1 多智能体系统
摘要
传统基于人工智能的医疗系统常依赖单一模态数据，由于信息不完整，诊断准确性受限。然而，近期基础模型的进展显示，结合多模态信息有望提升诊断效果。虽然这些模型在静态任务中表现出色，但在动态诊断方面仍存在挑战，无法有效管理多轮交互，常因信息收集不足而做出过早的诊断决策。为此，我们提出一种受咨询流程和强化学习（RL）启发的多智能体框架，以模拟整个咨询过程，集成临床信息实现有效诊断。该方法引入分层动作集合，依据门诊咨询流程和医学教科书构建，有效引导决策过程。此策略提升了智能体间的交互能力，使其能根据动态状态自适应优化动作。我们在公开的动态诊断基准测试上评估了该框架。实验结果表明，本方法显著优于基线方法，实现了相较于现有基础模型方法的状态致胜（SOTA）性能。
引用
@article{arxiv.2503.16547,
title = {Empowering Medical Multi-Agents with Clinical Consultation Flow for Dynamic Diagnosis},
author = {Sihan Wang and Suiyang Jiang and Yibo Gao and Boming Wang and Shangqi Gao and Xiahai Zhuang},
journal= {arXiv preprint arXiv:2503.16547},
year = {2025}
}