KOM：面向髋关节骨关节炎精准管理的多智能体人工智能系统
机器学习
2026-02-18 v3 人工智能
计算机视觉与模式识别
机器学习
摘要
髋关节骨关节炎（KOA）影响全球超过 6 亿人，严重伴随疼痛、功能障碍和致残。虽然个体化多学科干预有潜在延缓疾病进展和提升生活质量的作用，但通常需要大量医疗资源和专业知识，在资源有限的环境中难以实施。为此，我们开发了 KOM，一个用于自动化 KOA 评估、风险预测和治疗方案制定的多智能体系统。该系统辅助临床医生在 KOA 照护路径中完成关键任务，并支持基于个体患者画像、疾病状态、风险因素和禁忌症生成量身定制的管理计划。在基准实验中，KOM 在影像分析和处方生成方面表现优于多个通用大型语言模型。随机的三臂模拟研究进一步表明，KOM 与临床医生的协作将诊断和计划时间缩短 38.5%，并实现治疗质量的提升。这些发现表明，KOM 有望帮助实现自动化 KOA 管理；当集成到临床工作流程中时，有潜力提升护理效率。KOM 的模块化架构也为开发面向其他慢性疾病的 AI 辅助管理系统提供了宝贵的见解。
引用
@article{arxiv.2511.19797,
title = {Terminal Velocity Matching},
author = {Linqi Zhou and Mathias Parger and Ayaan Haque and Jiaming Song},
journal= {arXiv preprint arXiv:2511.19797},
year = {2026}
}
备注
Blog post: https://lumalabs.ai/blog/engineering/tvm Code available at: https://github.com/lumalabs/tvm