基于 orchestrator 多智能体临床决策支持系统：初级偏头痛二次诊断
人工智能
2025-12-10 v2
摘要
与大多数初级偏头痛不同，二次偏头痛需要专业护理，如果不及时处理可能造成严重后果。临床指南强调了几项“红旗”特征，如雷暴样发作、颅内压升高、视神经水肿、局灶性神经功能缺失、颞动脉炎症状、全身疾病以及“一生中最坏的头痛”表现。尽管有这些指南，在初级护理环境中确定哪些患者需要紧急评估仍然具有挑战性。临床医生往往在有限的时间、信息不完整、症状表现多样的情况下工作，这可能导致低估识别和不当护理。我们提出了一个基于大语言模型 (LLM) 的多智能体临床决策支持系统，构建在 orchestrator-specialist 架构之上，旨在从自由文本临床摘要中执行明确且可解释的二次偏头痛诊断。该多智能体系统将诊断分解为七个领域专家智能体，每个智能体都产生结构化且以证据为依据的论证，同时，中心 orchestrator 执行任务分解并协调智能体路由。我们使用90个经专家验证的二次偏头痛案例评估了该多智能体系统，并将其性能与单一 LLM 基线进行比较，比较策略包括基于问题的提示 (QPrompt) 和基于临床实践指南的提示 (GPrompt)。我们测试了五个开源 LLM (Qwen-30B、GPT-OSS-20B、Qwen-14B、Qwen-8B 和 Llama-3.1-8B)，发现使用 GPrompt 的 orchestrated 多智能体系统在 F1 分数上始终取得最高值，小型模型的提升尤为显著。这些发现表明，结构化的多智能体推理在准确率上超越提示工程alone，为二次偏头痛诊断提供了透明且符合临床实践的可解释决策支持方法。
引用
@article{arxiv.2512.04207,
title = {Orchestrator Multi-Agent Clinical Decision Support System for Secondary Headache Diagnosis in Primary Care},
author = {Xizhi Wu and Nelly Estefanie Garduno-Rapp and Justin F Rousseau and Mounika Thakkallapally and Hang Zhang and Yuelyu Ji and Shyam Visweswaran and Yifan Peng and Yanshan Wang},
journal= {arXiv preprint arXiv:2512.04207},
year = {2025}
}