中文

生命痕迹:用于纵向临床轨迹的协议约束的患者状态推理

机器学习 2026-05-27 v2 人工智能 多智能体系统

摘要

纵向临床推理需要跟踪电子健康记录中演变的生理测量值、实验室结果和干预措施,跨越扩展的患者轨迹。现有的LLM-based临床推理系统常依赖反复序列化患者历史或交换不受约束的文本型代理消息,导致上下文漂移、推理不稳定以及随时间增长的推理成本。我们提出生命痕迹(Vital Trace),一个协议约束的多代理框架,用于演变ICU轨迹的未来临床风险预测。与维护无限制文本历史不同,生命痕迹使用紧凑的持久患者状态记忆,以及由四个协调代理程序执行的阶段性推理:路由器、Reasoner、Auditor和Steward。为支持时序连贯推理,我们引入一个手工策划的全球协议,包含生理状态转换规则,以及动态患者状态表示,跟踪血流动力学、呼吸、肾脏、代谢和炎症不稳定性随时间的变化。我们在MIMIC-IV和eICU上评估了生命痕迹,针对未来血管紧张素支持、呼吸支持、肾脏支持和恶化预测任务。结果表明,结构化协议约束推理在时序一致性、通信稳定性、校准和可解释性方面优于自由形式多代理基线,同时在长期ICU轨迹上实现了强大的预测性能。

关键词

引用

@article{arxiv.2602.12833,
  title  = {Vital Trace: Protocol-Constrained Patient-State Reasoning for Longitudinal Clinical Trajectories},
  author = {Zhan Qu and Michael Färber},
  journal= {arXiv preprint arXiv:2602.12833},
  year   = {2026}
}