SkinGPT-X：用于透明可信皮肤科诊断的自演化协作多智能体系统
计算机视觉与模式识别
2026-03-30 v1 人工智能
摘要
尽管近期大语言模型（LLM）的进展显著推动了皮肤科诊断，但单片 LLM 经常因训练数据稀疏而在细粒度、大规模多类诊断任务和罕见皮肤病诊断上表现不佳，同时缺乏临床推理所需的可解释性和可追溯性。虽然多智能体系统可以提供更透明、可解释的诊断，但现有框架主要集中于视觉问答和对话任务，且对静态知识库的严重依赖限制了其在复杂真实临床环境中的适应性。这里我们提出了 SkinGPT-X，一个集成自演化皮肤科记忆机制的多模态协作多智能体皮肤科诊断系统。通过模拟皮肤科医生的诊断流程并实现持续记忆演化，SkinGPT-X 为复杂和罕见皮肤科病例的管理提供透明可信的诊断。为验证 SkinGPT-X 的鲁棒性，我们设计了三层对比实验。首先，我们将 SkinGPT-X 与四种最先进的 LLM 在四个公开数据集上进行基准测试，在 DDI31 上实现了 +9.6% 的准确率提升，在 Dermnet 上相对于最先进模型实现了 +13% 的加权 F1 提升。其次，我们构建了一个涵盖 498 种不同皮肤科类别的大规模多类数据集以评估其细粒度分类能力。最后，我们策划了罕见皮肤病数据集——首个针对临床罕见皮肤病稀缺性的基准，包含 564 个临床样本和八种罕见皮肤科疾病。在该数据集上，SkinGPT-X 实现了 +9.8% 的准确率提升、+7.1% 的加权 F1 提升和 +10% 的 Cohen's Kappa 提升。
引用
@article{arxiv.2603.26122,
title = {SkinGPT-X: A Self-Evolving Collaborative Multi-Agent System for Transparent and Trustworthy Dermatological Diagnosis},
author = {Zhangtianyi Chen and Yuhao Shen and Florensia Widjaja and Yan Xu and Liyuan Sun and Zijian Wang and Hongyi Chen and Wufei Dai and Juexiao Zhou},
journal= {arXiv preprint arXiv:2603.26122},
year = {2026}
}