从被动到主动：面向自动医学预诊的层次化多智能体框架

后疫情时代的医疗需求激增，加上临床护士短缺，给医疗分诊系统带来了前所未有的压力，亟需创新的人工智能驱动解决方案。我们提出了一个用于医疗分诊的多智能体交互智能系统，旨在解决当前AI驱动分诊系统面临的三个根本性挑战：医学专业领域不足导致误分类、不同医疗机构的科室结构异构，以及低效的细节化问诊 impedes rapid triage decisions。我们的系统采用三个专业智能体——RecipientAgent、InquirerAgent 和 DepartmentAgent——通过询问引导机制和分类引导机制协同工作，将非结构化的患者症状转化为准确的科室推荐。为确保评估的稳健性，我们从“Ai Ai Yi 医疗网络”构建了一个涵盖 3,360 例真实世界病例、覆盖 9 个主要科室和 62 个次要科室的综合中文医疗分诊数据集。实验结果表明，经过四轮患者交互后，该多智能体系统在主要科室分类中实现了 89.6% 的准确率，在次要科室分类中实现了 74.3% 的准确率。该系统基于动态匹配的引导机制，能够高效适应多样化的医院配置，同时保持高水平的分诊准确性。我们成功开发了一个不仅能适应不同医疗机构组织结构异构性，还能确保临床决策的多智能体分诊系统。