MedOrch：面向灵活扩展性的工具增强推理代理医疗诊断
计算与语言
2025-06-03 v1
摘要
医疗保健决策是人工智能 (AI) 最具挑战性的领域之一，需要整合多种知识源、复杂推理以及各种外部分析工具。当前的 AI 系统通常依赖于适应性有限的特定任务模型，或者缺乏专业外部知识和工具奠基的通用语言模型。我们引入了 MedOrch，这是一种协调多个专用工具和推理代理以提供全面医疗决策支持的新颖框架。MedOrch 采用基于代理的模块化架构，在不改变核心系统的情况下促进领域特定工具的灵活集成。此外，它确保了透明且可追溯的推理过程，使临床医生能够仔细验证系统建议背后的每个中间步骤。我们使用真实的临床数据集，在三个不同的医疗应用中对 MedOrch 进行了评估：阿尔茨海默病诊断、胸部 X 光片解释和医学视觉问答。结果表明 MedOrch 在这些不同的医疗任务中表现出色。值得注意的是，在阿尔茨海默病诊断中，MedOrch 达到了 93.26% 的准确率，超过了 SOTA 基线四个百分点以上。在预测阿尔茨海默病进展方面，其准确率达到 50.35%，标志着显著的改进。在胸部 X 光分析中，MedOrch 表现出优越的性能，Macro AUC 为 61.2%，Macro F1 分数为 25.5%。此外，在复杂的多模态视觉问答（图像+表格）中，MedOrch 达到了 54.47% 的准确率。这些发现突显了 MedOrch 通过实现推理驱动的工具利用以处理多模态医疗数据，并支持临床决策中的复杂认知任务，从而推进医疗 AI 的潜力。
引用
@article{arxiv.2506.00235,
title = {MedOrch: Medical Diagnosis with Tool-Augmented Reasoning Agents for Flexible Extensibility},
author = {Yexiao He and Ang Li and Boyi Liu and Zhewei Yao and Yuxiong He},
journal= {arXiv preprint arXiv:2506.00235},
year = {2025}
}