💬 NLP

ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory

यह शोध पत्र ClinicalAgents को प्रस्तुत करता है, जो एक नवीन मल्टी-एजेंट फ्रेमवर्क है जो विशेषज्ञ चिकित्सकों के पुनरावृत्ति तर्क (iterative reasoning) का अनुकरण करने के लिए ड्यूल-मेमोरी आर्किटेक्चर और मोंटे कार्लो ट्री सर्च-आधारित डायनेमिक ऑर्केस्ट्रेशन का लाभ उठाता है, जिससे मौजूदा स्थिर विधियों की तुलना में नैदानिक सटीकता और व्याख्यात्मकता में महत्वपूर्ण सुधार होता है।

मूल लेखक: Zhuohan Ge, Haoyang Li, Yubo Wang, Nicole Hu, Chen Jason Zhang, Qing Li

प्रकाशित 2026-05-28

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Zhuohan Ge, Haoyang Li, Yubo Wang, Nicole Hu, Chen Jason Zhang, Qing Li

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आप एक बहुत ही पेचीदा रहस्य सुलझाने की कोशिश कर रहे हैं, जैसे कि जटिल लक्षणों वाले किसी मरीज का निदान (diagnosis) करना। वास्तविक दुनिया में, एक मानव डॉक्टर केवल लक्षणों को देखकर तुरंत उत्तर का अनुमान नहीं लगाता है। इसके बजाय, वे एक जासूस की तरह काम करते हैं: वे एक सिद्धांत बनाते हैं, उस सिद्धांत को सिद्ध या खंडित करने के लिए सुरागों की तलाश करते हैं, उन्हें एहसास होता है कि उनके पास कोई सबूत कम है, और फिर एक नया टेस्ट करवाने के लिए वापस जाते हैं, और फिर अपने सिद्धांत को संशोधित करते हैं।

यह शोध पत्र ClinicalAgents पेश करता है, जो एक नया कंप्यूटर सिस्टम है जिसे एक सुपर-फास्ट विश्वकोश (encyclopedia) की तरह कार्य करने के बजाय, ठीक इसी मानव जासूसी कार्य की नकल करने के लिए डिज़ाइन किया गया है।

यह कैसे काम करता है, इसे सरल अवधारणाओं में विभाजित किया गया है:

1. समस्या: "एक-सुरालय" (One-Note) बनाम "जासूस"

अधिकांश वर्तमान AI मॉडल (लार्ज लैंग्वेज मॉडल्स) एक-सुरालय प्रतिभाशाली (one-note geniuses) की तरह हैं। यदि आप उन्हें एक मेडिकल केस देते हैं, तो वे पूरी कहानी को एक बार में पढ़ने और एक ही बार में उत्तर देने की कोशिश करते हैं। यदि वे किसी सूक्ष्म विवरण को मिस कर देते हैं या किसी गलत विचार पर अटक जाते हैं, तो वे अक्सर उसी गलत रास्ते पर चलते रहते हैं, जिससे गलत निदान होता है। वे कठोर होते हैं; उन्हें यह नहीं पता होता कि कैसे कहना है, "रुको, मुझे और जानकारी चाहिए," और पीछे मुड़कर देखना है।

ClinicalAgents अलग है। यह एक साथ काम करने वाले विशेषज्ञ जासूसों की एक टीम की तरह कार्य करता है।

2. टीम: एक "कंडक्टर" और विशेषज्ञ

एक अकेला AI सब कुछ करने के बजाय, यह सिस्टम एक Multi-Agent दृष्टिकोण का उपयोग करता है। इसे एक अस्पताल के वार्ड की तरह समझें जहाँ विभिन्न विशेषज्ञ होते हैं:

एक एजेंट मेडिकल इमेज (जैसे एक्स-रे) को देखता है।
एक एजेंट सुझाव देता है कि कौन से टेस्ट ऑर्डर किए जाने चाहिए।
एक एजेंट मरीज के इतिहास को देखता है।
एक एजेंट अंतिम निदान (diagnosis) तैयार करता है।

लेकिन एक टीम को एक नेता की आवश्यकता होती है। यहीं पर Clinical Orchestrator आता है। यह ऑर्केस्ट्रा का कंडक्टर है। यह केवल सबको एक निश्चित क्रम में निर्देश नहीं देता (जैसे कि कोई स्क्रिप्ट हो), बल्कि यह टीम की बात सुनता है, यह तय करता है कि किसे अगला बोलना है, और मौके पर ही योजना बदल देता है।

3. सफलता का मंत्र: "दोहरी स्मृति" (Dual Memory)

टीम को भ्रमित होने या चीजें भूलने से बचाने के लिए, यह सिस्टम दो प्रकार की स्मृति का उपयोग करता है, जैसे कि एक जासूस की नोटबुक और एक लाइब्रेरी:

वर्किंग मेमोरी (सक्रिय नोटबुक - Working Memory): यह वर्तमान मरीज का एक परिवर्तनशील रिकॉर्ड है। इसमें लक्षण, अब तक किए गए टेस्ट और वर्तमान सिद्धांत शामिल हैं। जैसे-जैसे जांच आगे बढ़ती है, इस नोटबुक को रीयल-टाइम में अपडेट किया जाता है ताकि हर एजेंट को पता हो कि वे कहाँ खड़े हैं।
एक्सपीरियंस मेमोरी (लाइब्रेरी - Experience Memory): यह मेडिकल गाइडलाइन्स और पिछले मामलों की एक स्थिर लाइब्रेरी है। जब टीम अटक जाती है, तो कंडक्टर इस लाइब्रेरी से प्रासंगिक नियम पुस्तिका या समान पिछला मामला निकाल सकता है ताकि जांच को दिशा दी जा सके।

4. जादू का तरीका: "बैकट्रैकिंग" ("रुको, चलो वापस चलते हैं" बटन)

यह सबसे महत्वपूर्ण हिस्सा है। कई AI सिस्टमों में, यदि आप शुरुआत में कोई गलती करते हैं, तो पूरी प्रक्रिया विफल हो जाती है। ClinicalAgents में एक Backtracking Mechanism है।

कल्पना कीजिए कि कंडक्टर टीम का नेतृत्व कर रहा है। किसी भी बिंदु पर, यदि टीम को एहसास होता है कि, "अरे, हमारे पास अपने सिद्धांत को साबित करने के लिए एक महत्वपूर्ण सुराग (जैसे कि एक विशिष्ट रक्त परीक्षण का परिणाम) गायब है," तो सिस्टम अनुमान लगाने के लिए मजबूर नहीं होता। इसके बजाय, यह Backtrack बटन दबाता है।

यह वर्तमान प्रवाह को रोकता है।
यह "पर perceives" (समझने/देखने) के चरण पर वापस जाता है।
यह लापता जानकारी के लिए अनुरोध करता है।
एक बार नई जानकारी आने के बाद, यह "नोटबुक" को अपडेट करता है और नए तथ्यों के साथ फिर से तर्क (reasoning) की प्रक्रिया शुरू करता है।

यह शोध पत्र इस निर्णय लेने की प्रक्रिया को Monte Carlo Tree Search (MCTS) नामक विधि का उपयोग करके वर्णित करता है। इसे एक कंडक्टर द्वारा मानसिक रूप से विभिन्न रास्तों का अनुकरण करने के रूप में समझें: "यदि मैं टेस्ट A के लिए पूछता हूँ, तो क्या होगा? यदि मैं टेस्ट B के लिए पूछता हूँ, तो क्या होगा?" यह उस पथ को चुनता है जिसके सही उत्तर तक पहुँचने की संभावना सबसे अधिक होती है, न कि केवल एक पूर्व-लिखित स्क्रिप्ट का पालन करता है।

5. परिणाम: दूसरों से बेहतर

शोधकर्ताओं ने एक मानक मेडिकल बेंचमार्क MedChain का उपयोग करके अन्य AI मॉडलों (दोनों एकल AI मस्तिष्क और अन्य AI टीमें) के विरुद्ध इस सिस्टम का परीक्षण किया।

परिणाम: ClinicalAgents ने अन्य सभी से बेहतर प्रदर्शन किया।
क्यों? यह सही टेस्ट ऑर्डर करने, इमेज की व्याख्या करने और अंततः मरीज का सही निदान करने में बेहतर था।
दक्षता (Efficiency): दिलचस्प बात यह है कि इसने केवल अधिक कंप्यूटर पावर या अधिक टेक्स्ट पढ़कर जीत हासिल नहीं की। इसने इसलिए जीत हासिल की क्योंकि यह इस बारे में स्मार्ट था कि यह अपने संसाधनों का उपयोग कैसे करे। इसे पता था कि कब रुकना है और अधिक जानकारी मांगनी है, जिससे उन तरीकों की तुलना में समय और पैसा बचा जो केवल अनुमान लगाते रहते हैं।

सारांश

संक्षेप में, ClinicalAgents एक स्मार्ट, टीम-आधारित AI सिस्टम है जो केवल मेडिकल निदान का "अनुमान" नहीं लगाता है। यह एक मानव डॉक्टर की तरह कार्य करता है: यह एक परिकल्पना बनाता है, साक्ष्य की जांच करता है, यह महसूस करता है कि उसके पास पहेली का एक टुकड़ा कम है, उस टुकड़े को प्राप्त करने के लिए वापस जाता है, और फिर अपने निष्कर्ष को अपडेट करता है। टीम को प्रबंधित करने के लिए एक "कंडक्टर" और व्यवस्थित रहने के लिए दो प्रकार की स्मृति का उपयोग करके, यह पिछले AI तरीकों की तुलना में अधिक सटीक और विश्वसनीय रूप से चिकित्सा रहस्यों को सुलझाता है।

तकनीकी सारांश: ClinicalAgents

समस्या विवरण

नैदानिक निर्णय लेना (Clinical decision-making - CDM) एक जटिल, गैर-रेखीय प्रक्रिया है जिसमें चिकित्सकों को विकसित होते रोगी डेटा के आधार पर साक्ष्य एकत्र करने, परिकल्पना (hypotheses) बनाने और निदान को परिष्कृत करने के लिए बार-बार प्रयास करने की आवश्यकता होती है। जबकि लार्ज लैंग्वेज मॉडल्स (LLMs) ने स्वास्थ्य सेवा में आशाजनक प्रदर्शन दिखाया है, वे अक्सर सटीक निदान के लिए आवश्यक कठोर, परिकल्पना-संचालित तर्क (hypothesis-driven reasoning) में संघर्ष करते हैं। मौजूदा दृष्टिकोण आमतौर पर लक्षणों से निदान तक स्थिर, रैखिक मैपिंग या पूर्व-लिखित मल्टी-एजेंट वर्कफ़्लो पर निर्भर करते हैं। ये विधियाँ नैदानिक तर्क की पुनरावृत्ति प्रकृति को पकड़ने में विफल रहती हैं, अपर्याप्त साक्ष्य होने पर डायनेमिक रीप्लानिंग या बैकट्रैकिंग (पीछे हटने) के तंत्रों का अभाव होता है, और अक्सर मेमोरी को एक विंडो-बाउंडेड डायलॉग कॉन्टेक्स्ट के रूप में देखते हैं, जिससे सूचना विखंडन और असंगत मध्यवर्ती अवस्थाएँ उत्पन्न होती हैं। फलस्वरूप, वर्तमान प्रणालियाँ महत्वपूर्ण साक्ष्य की अनुपस्थिति में भी समयपूर्व निदान पर स्थिर हो सकती हैं, जिससे गलत निदान का जोखिम बढ़ जाता है।

कार्यप्रणाली

यह शोध पत्र ClinicalAgents का प्रस्ताव करता है, जो एक नवीन मल्टी-एजेंट फ्रेमवर्क है जिसे विशेषज्ञ चिकित्सकों के संज्ञानात्मक वर्कफ़्लो (cognitive workflow) को सिम्युलेट करने के लिए डिज़ाइन किया गया है। यह सिस्टम तीन मुख्य घटकों पर निर्मित है:

1. डुअल-मेमोरी आर्किटेक्चर (Dual-Memory Architecture)

मल्टी-राउंड इंटरैक्शन में सुसंगत स्टेट ट्रैकिंग और संदर्भ-जागरूक तर्क सुनिश्चित करने के लिए, ClinicalAgents एक डुअल-मेमोरी सिस्टम का उपयोग करता है:

वर्किंग मेमोरी ( $M^{work}_t$ ): एक परिवर्तनीय स्टेट बोर्ड जो विकसित होते रोगी संदर्भ को बनाए रखता है, जिसमें संचित साक्ष्य सेट ( $E_t$ ), नैदानिक परिकल्पनाओं का सेट ( $H_t$ ), और एक्शन ट्राजेक्टरी ( $\tau_t$ ) शामिल है। यह सुनिश्चित करता है कि सभी एजेंट नैदानिक प्रगति का एक सिंक्रोनाइज़्ड दृश्य साझा करें।
एक्सपीरियंस मेमोरी ( $M^{exp}$ ): एक स्थिर बाहरी स्टोर जिसमें संरचित नैदानिक दिशानिर्देश ( $D_{guide}$ $D_{g u i d e}$ ) और एक ऐतिहासिक केस डेटाबेस ( $D_{cdc}$ $D_{c d c}$ ) होता है। यह मेमोरी हाइब्रिड रिट्रीवल-ऑगमेंटेड जनरेशन (RAG) तंत्र के माध्यम से सिस्टम को सहायता प्रदान करती है:
- पैसिव ऑगमेंटेशन (Passive Augmentation): तर्क को सूचित करने के लिए प्रासंगिक दिशानिर्देशों को पुनः प्राप्त करना।
- एक्टिव एविडेंस-सीकिंग (Active Evidence-Seeking): ऐतिहासिक मामलों का उपयोग करके संभावित रूप से छूटे हुए लेकिन नैदानिक रूप से महत्वपूर्ण साक्ष्य ( $E^p_t$ ) की पहचान करना जिन्हें वर्तमान नैदानिक संदर्भ अनदेखा कर सकता है।

2. MCTS के साथ क्लिनिकल ऑर्केस्ट्रेटर (Clinical Orchestrator with MCTS)

मुख्य नवाचार एक क्लिनिकल ऑर्केस्ट्रेटर है जो एजेंट इंटरैक्शन को एक निश्चित अनुक्रम के माध्यम से नहीं, बल्कि एक मोंटे कार्लो ट्री सर्च (MCTS) प्रक्रिया के माध्यम से प्रबंधित करता है।

एक्शन स्पेस (Action Space): ऑर्केस्ट्रेटर एक डायनेमिक एक्शन स्पेस $A$ $A$ से चुनता है जिसमें शामिल हैं:
- $A_{agent}$ : विशिष्ट एजेंटों को सक्रिय करना (जैसे, इमेजिंग, उपचार, निदान)।
- $a_{rag}$ : एक्सपीरियंस मेमोरी से ज्ञान प्राप्त करना।
- $a_{back}$ : वर्कफ़्लो में पिछले स्टेट में बैकट्रैकिंग (पीछे हटना) को ट्रिगर करना।
- $a_{term}$ : क्लिनिकल क्लोजर तक पहुँचने पर प्रक्रिया को समाप्त करना।
परिकल्पना-संचालित विस्तार (Hypothesis-Driven Expansion): ऑर्केस्ट्रेटर पुनरावृत्ति के साथ परिकल्पनाएँ उत्पन्न करता है और उन्हें साक्ष्य के विरुद्ध सत्यापित करता है। यदि सत्यापन से महत्वपूर्ण साक्ष्य की कमी ( $E^m_t \neq \emptyset$ ) का पता चलता है, तो सिस्टम बैकट्रैकिंग तंत्र को ट्रिगर करता है।
बैकट्रैकिंग तंत्र (Backtracking Mechanism): एक निर्णय फ़ंक्शन $\Phi$ के रूप में गठित, यह तंत्र सिस्टम को वर्कफ़्लो के शुरुआती चरणों (जैसे, निदान से वापस सूचना एकत्र करने की ओर) पर लौटने की अनुमति देता है ताकि अपूर्ण जानकारी के साथ आगे बढ़ने के बजाय आवश्यक डेटा प्राप्त या अनुरोध किया जा सके।
रिवॉर्ड फंक्शन (Reward Function): MCTS को एक रिवॉर्ड फंक्शन $R_t$ द्वारा निर्देशित किया जाता है जो सूचना लाभ (information gain) को अधिकतम करता है, विशेष रूप से उन कार्यों को पुरस्कृत करता है जो छूटे हुए साक्ष्य के सेट को कम करते हैं ( $\Delta E^m_t > 0$ ) या नैदानिक आत्मविश्वास को बढ़ाते हैं ( $\Delta c_t > 0$ ), जबकि अनफोर्मेटिव (सूचनाहीन) कार्यों को दंडित करता है।

3. वर्कफ़्लो (Workflow)

सिस्टम एक परसीव $\rightarrow$ हाइपोथीसाइज़ $\rightarrow$ वेरीफाई $\rightarrow$ अपडेट लूप में संचालित होता है। ऑर्केस्ट्रेटर गतिशील रूप से एजेंटों का चयन करता है, आवश्यक ज्ञान प्राप्त करता है, और यदि साक्ष्य अपर्याप्त है, तो परिकल्पना को परिष्कृत करने या छूटे हुए डेटा को एकत्र करने के लिए बैकट्रैकिंग शुरू करता है।

मुख्य योगदान

परिकल्पना-निर्देशित फ्रेमवर्क: ClinicalAgents का परिचय, जो स्पष्ट रूप से चिकित्सकों की हाइपोथेटिको-डिडक्टिव रीजनिंग प्रक्रिया को संचालित करता है, जो स्थिर जनरेशन से आगे बढ़कर एक पुनरावृत्ति, साक्ष्य-खोजने वाले लूप की ओर ले जाता है।
MCTS-आधारित ऑर्केस्ट्रेशन: एक नवीन ऑर्केस्ट्रेशन तंत्र जो एजेंट कार्यों को अनुकूलित रूप से चुनने, पुनर्व्यवस्थित करने और दोहराने के लिए MCTS का उपयोग करता है। यह पूर्व-लिखित वर्कफ़्लो की कठोरता को दूर करता है और साक्ष्य-ट्रिगर्ड बैकट्रैकिंग को सक्षम बनाता है।
डुअल-मेमोरी इंटीग्रेशन: एक डिज़ाइन जो स्टेट सिंक्रोनाइज़ेशन के लिए एक परिवर्तनीय वर्किंग मेमोरी को ज्ञान पुनर्प्राप्ति के लिए एक स्थिर एक्सपीरियंस मेमोरी के साथ जोड़ता है। यह सूचना के नुकसान और रेडंडेंसी को कम करता है जबकि रीजनिंग निरंतरता में सुधार करता है।
अनुभवजन्य सत्यापन (Empirical Validation): मल्टी-स्टेज क्लिनिकल बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्रदर्शित करने वाले व्यापक प्रयोग, जिसमें एब्लेशन अध्ययन (ablation studies) ऑर्केस्ट्रेटर और डुअल-मेमोरी घटकों के पूरक मूल्य की पुष्टि करते हैं।

प्रयोगात्मक परिणाम

लेखकों ने MedChain बेंचमार्क पर ClinicalAgents का मूल्यांकन किया, जो एक पांच-चरणीय नैदानिक वर्कफ़्लो (स्पेशियलिटी रिफरल, टेस्ट ऑर्डरिंग, एग्जामिनेशन, डायग्नोसिस, ट्रीटमेंट) है, और इसकी तुलना सिंगल LLMs, सिंगल-एजेंट सिस्टम (जैसे, ReAct, RAG), और मौजूदा मल्टी-एजेंट फ्रेमवर्क (जैसे, MedAgents, MedChain-Agents) सहित मजबूत बेसलाइन्स से की।

समग्र प्रदर्शन: ClinicalAgents ने सभी मूल्यांकित विधियों में उच्चतम औसत स्कोर (0.5107) प्राप्त किया, जिसने सर्वश्रेष्ठ मल्टी-एजेंट बेसलाइन (MedChain-Agents, 0.4880) को +4.7% और सबसे मजबूत सिंगल-एजेंट बेसलाइन (ReAct, 0.4696) को +8.8% से पीछे छोड़ दिया।
कार्य-विशिष्ट लाभ: सिस्टम ने टेस्ट ऑर्डरिंग (IoU 0.4820) में विशेष रूप से मजबूत सुधार दिखाया, जिसका श्रेय वेरिफिकेशन-एंड-बैकट्रैकिंग तंत्र को जाता है जो क्रिटिकल टेस्ट जोड़ने और अनावश्यक टेस्ट को हटाने के माध्यम से परीक्षा योजनाओं को पुनरावृत्ति के साथ परिष्कृत करता है।
एब्लेशन अध्ययन: डुअल-मेमोरी या ऑर्केस्ट्रेटर को हटाने से प्रदर्शन में महत्वपूर्ण गिरावट आई, जिससे पुष्टि होती है कि दोनों घटक आवश्यक और पूरक हैं। पूर्ण सिस्टम ने बैकबोन मॉडल (GPT-5.2) से +13.0% बेहतर प्रदर्शन किया।
बैकबोन संवेदनशीलता: फ्रेमवर्क ने विभिन्न बैकबोन LLMs (GPT-5.2, DeepSeek-R1, Qwen3-VL, और HuaTuoGPT सहित) में मजबूती प्रदर्शित की, और अंतर्निहित मॉडल की क्षमता की परवाह किए बिना लगातार प्रदर्शन में सुधार किया।
दक्षता: ClinicalAgents ने सेल्फ-कंसिस्टेंसी (SC) स्केलिंग और अन्य मल्टी-एजेंट बेसलाइन्स की तुलना में कम टोकन खपत और कम लेटेंसी के साथ बेहतर प्रदर्शन हासिल किया, जो दर्शाता है कि लाभ बढ़े हुए कंप्यूट बजट के बजाय प्रभावी ऑर्केस्ट्रेशन से आते हैं।
विश्वसनीयता: उन मामलों में जहां प्रारंभिक परिकल्पना गलत थी, बैकट्रैकिंग तंत्र ने 83% मामलों में सफलतापूर्वक ट्रिगर किया और 64% मामलों में सही निदान प्राप्त किया।

महत्व और दावे

शोध पत्र का दावा है कि ClinicalAgents नैदानिक निर्णय समर्थन के लिए अधिक पारदर्शी और भरोसेमंद एजेंटिक सिस्टम की दिशा में एक महत्वपूर्ण कदम है। स्टैटिक AI मॉडल्स और मानव नैदानिक तर्क की डायनेमिक, पुनरावृत्ति प्रकृति के बीच के अंतर को पाटकर, यह फ्रेमवर्क वर्तमान AI-संचालित CDM की महत्वपूर्ण सीमाओं, जैसे कि कठोरता, सूचना विखंडन और समयपूर्व अभिसरण (premature convergence) को संबोधित करता है। लेखक तर्क देते हैं कि उनका दृष्टिकोण AI सिस्टम के लिए एक व्यावहारिक मार्ग प्रदान करता है ताकि वे केवल निष्क्रिय भविष्यवक्ता के रूप में नहीं, बल्कि सक्रिय, साक्ष्य-खोजने वाले सहयोगियों के रूप में कार्य कर सकें जो परिकल्पनाओं को कठोरता से सत्यापित कर सकते हैं और नई जानकारी के अनुकूल हो सकते हैं, जिससे नैदानिक सटीकता और व्याख्यात्मकता (explainability) दोनों में वृद्धि होती है। कार्य इस बात पर जोर देता है कि सिस्टम को मानव नैदानिक निर्णय को बदलने के बजाय उसे बढ़ाने के लिए एक सहायक उपकरण के रूप में कार्य करने हेतु डिज़ाइन किया गया है।