MedRoute：基于强化学习的多智能体医疗诊断动态专科路由
图像与视频处理
2026-04-09 v1 计算机视觉与模式识别
机器学习
多智能体系统
摘要
利用大型多模态模型（LMM）进行医疗诊断因其提供精确诊断的能力而受到越来越多的关注。这些模型通常将医学问题与视觉输入结合以生成诊断或治疗方案。然而，它们通常过于通用，不适合真实医疗保健中广泛的医疗状况。在临床实践中，诊断由多位专科医生完成，各自贡献领域特定的专业知识。为了模拟这一过程，一个潜在的解决方案是部署动态多智能体 LMM 框架，其中每个智能体充当医学专科医生。当前这一新兴领域的方法通常依赖静态或预定义的专科选择，无法适应不断变化的实际场景。在本文中，我们提出 MedRoute，一个灵活且动态的多智能体框架，由专科 LMM 智能体的协作系统组成。此外，我们加入了一位具有 RL 训练路由器的普通医生用于动态专科选择，以及一位产生最终决策的主持人。通过这种方式，我们的框架紧密映射真实的临床工作流。在文本和基于图像的医学数据集上的广泛评估展示了改进的诊断准确率，超越了最先进的基线。我们的工作为未来研究奠定了坚实基础。代码和模型可在 https://github.com/UCF-CRCV/MedRoute/ 获取。
引用
@article{arxiv.2604.06180,
title = {MedRoute: RL-Based Dynamic Specialist Routing in Multi-Agent Medical Diagnosis},
author = {Ashmal Vayani and Parth Parag Kulkarni and Joseph Fioresi and Song Wang and Mubarak Shah},
journal= {arXiv preprint arXiv:2604.06180},
year = {2026}
}