面向临床实践的 Medchain：基于交互式序列的 LLM 智能体
计算与语言
2025-10-13 v2 人工智能
摘要
临床决策（CDM）是医疗保健中至关重要且动态的复杂过程，而人工智能系统在此方面表现有限。虽然已对大语言模型（LLM）基于智能体的医学知识进行了通过执照考试和知识问答任务的测试，但在实际场景下的 CDM 表现受限，主要由于缺乏覆盖实际医学实践的全面测试数据集。为此，我们提出了 Medchain，一个包含 12,163 例临床病例的数据集，涵盖临床工作流程的五个关键阶段。Medchain 区别于现有基准的三个关键特点：个性化、交互性和顺序性。为了应对实际 CDM 挑战，我们还提出了 Medchain-Agent，一个集成反馈机制和 MCase-RAG 模块的 AI 系统，能够从先前案例中学习并适应其响应。Medchain-Agent 在动态信息收集和处理顺序临床任务方面表现突出，显著优于现有方法。
引用
@article{arxiv.2412.01605,
title = {Medchain: Bridging the Gap Between LLM Agents and Clinical Practice with Interactive Sequence},
author = {Jie Liu and Wenxuan Wang and Zizhan Ma and Guolin Huang and Yihang SU and Kao-Jung Chang and Wenting Chen and Haoliang Li and Linlin Shen and Michael Lyu},
journal= {arXiv preprint arXiv:2412.01605},
year = {2025}
}
备注
Accepted by NeurIPS25 Spotlight