MAP：面向住院路径的大语言模型评估与多智能体增强
人工智能
2025-03-18 v1 计算与语言
计算机视觉与模式识别
人机交互
多智能体系统
摘要
住院路径需要基于全面的患者信息进行复杂的临床决策，给临床医生带来了严峻挑战。尽管大语言模型（LLM）在医疗应用中取得了进展，但由于缺乏大规模住院数据集，针对人工智能（AI）住院路径系统的研究仍然有限。此外，现有的医疗基准通常集中在医疗问答和考试上，忽略了住院环境中临床决策的多面性。为了填补这些空白，我们首先基于 MIMIC-IV 数据库开发了住院路径决策支持（IPDS）基准，涵盖 9 个分诊科室和 17 个主要疾病类别的 51,274 个病例以及 16 种标准化治疗方案。然后，我们提出了多智能体住院路径（MAP）框架，利用三个临床智能体完成住院路径：一个负责管理患者入院的分诊智能体，一个作为科室主要决策者的诊断智能体，以及一个提供治疗方案的治疗智能体。此外，我们的 MAP 框架包含一个负责监督住院路径的主任智能体，以指导并促进这三个临床智能体。大量实验表明，与 SOTA LLM HuatuoGPT2-13B 相比，我们的 MAP 将诊断准确率提高了 25.10%。值得注意的是，我们的 MAP 表现出显著的临床合规性，比三名获得委员会认证的临床医生高出 10%-12%，为住院路径系统奠定了基础。
引用
@article{arxiv.2503.13205,
title = {MAP: Evaluation and Multi-Agent Enhancement of Large Language Models for Inpatient Pathways},
author = {Zhen Chen and Zhihao Peng and Xusheng Liang and Cheng Wang and Peigan Liang and Linsheng Zeng and Minjie Ju and Yixuan Yuan},
journal= {arXiv preprint arXiv:2503.13205},
year = {2025}
}