第二意见很重要：基于专家模型集成共识的自适应临床 AI

尽管大型语言模型（LLM）在临床上的应用日益广泛，但目前的方法严重依赖单一模型架构。为了克服单一模型系统过时的风险和对其的僵化依赖，我们提出了一个名为共识机制的新框架。共识机制模拟临床分诊和多学科临床决策，实现了一组专业医疗专家智能体的集成，从而在保持稳健适应性的同时改善临床决策。该架构使共识机制能够纯粹基于其内部模型配置，针对成本、延迟或性能进行优化。为了严格评估共识机制，我们采用了三个医学评估基准：MedMCQA、MedQA 和 MedXpertQA Text，以及鉴别诊断数据集 DDX+。在 MedXpertQA 上，共识机制的准确率达到 61.0%，而 OpenAI 的 O3 和 Google 的 Gemini 2.5 Pro 分别为 53.5% 和 45.9%。这种改进在各个基准测试中保持一致，在 MedQA（$\Delta\mathrm{Accuracy}_{\mathrm{consensus\text{-}O3}} = 3.4\%$）和 MedMCQA（$\Delta\mathrm{Accuracy}_{\mathrm{consensus\text{-}O3}} = 9.1\%$）上的准确率均有提高。这些准确率的提升也延伸到鉴别诊断生成，其中我们的系统表现出更高的召回率和精确率（F1$_\mathrm{consensus}$ = 0.326 vs. F1$_{\mathrm{O3\text{-}high}}$ = 0.2886），以及更高的 DDX top-1 准确率（Top1$_\mathrm{consensus}$ = 52.0% vs. Top1$_{\mathrm{O3\text{-}high}}$ = 45.2%）。