MDAgents：面向医疗决策的自适应LLM协作框架
计算与语言
2024-10-31 v3 人工智能
机器学习
摘要
基础模型正在成为医疗领域的有价工具。尽管如此，尽管其潜力巨大，但充分利用大型语言模型（LLMs）进行复杂医疗任务的最佳方式仍是一个开放问题。我们引入一种新型多智能体框架，命名为Medical Decision-making Agents（MDAgents），通过自动为LLM团队分配协作结构来解决这一问题。所分配的单人或团队协作结构针对特定医疗任务进行定制，模拟适用于不同复杂度任务的真实世界医疗决策过程。我们使用最先进的LLMs对该框架和基线方法进行评估，涵盖一系列真实世界的医学知识和医学诊断基准，包括对LLMs医学复杂度分类与人类医生的比较。MDAgents在十个基准中七个任务上实现最佳性能，较先前方法的最佳成绩提升最高可达4.2%（p < 0.05）。消融研究表明，MDAgents有效地确定医学复杂度，以针对不同医疗任务优化效率和准确性。值得注意的是，组合 moderator review 与外部医学知识的团队协作结果平均准确率提升11.8%。我们的代码可在 https://github.com/mitmedialab/MDAgents 查看。
引用
@article{arxiv.2404.15155,
title = {MDAgents: An Adaptive Collaboration of LLMs for Medical Decision-Making},
author = {Yubin Kim and Chanwoo Park and Hyewon Jeong and Yik Siu Chan and Xuhai Xu and Daniel McDuff and Hyeonhoon Lee and Marzyeh Ghassemi and Cynthia Breazeal and Hae Won Park},
journal= {arXiv preprint arXiv:2404.15155},
year = {2024}
}