MAGDA：基于多智能体指南驱动的诊断辅助系统
人工智能
2024-09-11 v1
摘要
在急诊科、农村医院或发展不足地区的诊所中，临床医生常缺乏由专业放射科医生进行的快速图像分析，这会对患者的医疗护理产生不利影响。大型语言模型（LLM）有潜力通过提供洞察力来缓解这些临床医生的压力。尽管这些LLM在医学考试中取得高分，展示出其强大的理论医学知识，但倾向于不遵循医学指南。本文介绍了一种新的零样本指南驱动决策支持方法。我们构建了一个由多个LLM智能体增强对比式视觉语言模型组成的系统，这些智能体协作以达到患者诊断。通过提供简单的诊断指南，系统会综合提示并遵循这些指南对图像进行筛查以发现异常。最后，系统为诊断提供可理解的链式推理，随后进行自我润色以考虑疾病之间的相互依赖关系。由于该方法为零样本，因而适用于稀有疾病情景，在这种情况下，训练数据有限，但可用专家编写的疾病描述。我们在两个胸部X光数据集上进行评估：CheXpert和ChestX-ray 14 Longtail，结果表明该方法在现有零样本方法上取得性能提升，并对稀有疾病具有良好的可扩展性。
引用
@article{arxiv.2409.06351,
title = {MAGDA: Multi-agent guideline-driven diagnostic assistance},
author = {David Bani-Harouni and Nassir Navab and Matthias Keicher},
journal= {arXiv preprint arXiv:2409.06351},
year = {2024}
}