💬 NLP

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

本文介绍了 ClinicalAgents，这是一种新颖的多智能体框架，它利用双重记忆架构和基于蒙特卡洛树搜索的动态编排来模拟专家临床医生的迭代推理，从而在诊断准确性和可解释性方面显著优于现有的静态方法。

原作者： Zhuohan Ge, Haoyang Li, Yubo Wang, Nicole Hu, Chen Jason Zhang, Qing Li

发布于 2026-05-28

📖 1 分钟阅读☕ 轻松阅读

原作者： Zhuohan Ge, Haoyang Li, Yubo Wang, Nicole Hu, Chen Jason Zhang, Qing Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图解开一个极其棘手的谜团，就像为一位症状复杂的患者进行诊断一样。在现实世界中，人类医生不会仅仅查看症状就立即猜测答案。相反，他们像侦探一样行事：提出一个假设，寻找证据来证实或证伪它，意识到自己缺少某项证据，然后回头要求新的检查，并据此修正他们的假设。

这篇论文介绍了ClinicalAgents，这是一个旨在模仿这种确切的人类侦探工作，而不仅仅是充当一本超快百科全书的新型计算机系统。

以下是其工作原理，分解为简单的概念：

1. 问题：“单音天才”与“侦探”

大多数当前的人工智能模型（大型语言模型）就像单音天才。如果你给它们一个医疗案例，它们会尝试阅读整个故事并一次性吐出答案。如果它们遗漏了一个微小的细节或陷入了一个错误的想法，它们往往会沿着这条错误的道路继续下去，导致误诊。它们是僵化的；它们不知道如何说“等等，我需要更多信息”，然后回头。

ClinicalAgents 则不同。它像一个由专业侦探组成的团队协同工作。

2. 团队：“指挥家”与专家

这个系统不使用一个 AI 包揽所有工作，而是采用多智能体（Multi-Agent）方法。把它想象成一个拥有不同专科医生的医院病房：

一个智能体查看医学影像（如 X 光片）。
一个智能体建议进行哪些检查。
一个智能体查看患者的病史。
一个智能体制定最终诊断。

但团队需要一位领导者。这就是临床协调器（Clinical Orchestrator）发挥作用的地方。它是乐团的指挥家。它不仅仅是按照固定的顺序（像脚本一样）告诉每个人做什么。相反，它倾听团队的反馈，决定谁接下来需要发言，并随时调整计划。

3. 秘密武器：“双重记忆”

为了防止团队感到困惑或遗忘事物，该系统使用两种类型的记忆，就像侦探的笔记本和图书馆一样：

工作记忆（活动笔记本）：这是当前患者的可变、动态记录。它包含症状、迄今为止已完成的检查以及当前的假设。随着调查的进展，这个笔记本会实时更新，以便每个智能体确切知道他们所处的位置。
经验记忆（图书馆）：这是一个静态的医疗指南和过往案例库。当团队陷入困境时，指挥家可以从此库中调取相关的规则手册或类似的过往案例，以帮助指导调查。

4. 魔法技巧：“回溯”（“等等，让我们回去”按钮）

这是最重要的部分。在许多 AI 系统中，如果你在早期犯了错误，整个过程就会失败。ClinicalAgents 拥有一个回溯机制。

想象指挥家正在领导团队。在任何时候，如果团队意识到“嘿，我们缺少一个关键线索（比如特定的血液检查结果）来证实我们的假设”，系统不会强迫进行猜测。相反，它会按下回溯按钮。

它停止当前的流程。
它回到“感知”阶段。
它请求缺失的信息。
一旦新信息到达，它会更新“笔记本”，并利用新事实重新开始推理过程。

该论文使用一种称为蒙特卡洛树搜索（MCTS）的方法来描述这一决策过程。把它想象成指挥家在脑海中模拟不同的路径：“如果我要求做 A 检查，会发生什么？如果我要求做 B 检查，会发生什么？”它选择最有可能导致正确答案的路径，而不是仅仅遵循预先编写的脚本。

5. 结果：优于其他系统

研究人员使用名为MedChain的标准医疗基准，将该系统与其他 AI 模型（包括单个 AI 大脑和其他 AI 团队）进行了测试。

结果：ClinicalAgents 的表现优于所有其他模型。
原因？它在安排正确的检查、解读影像以及最终正确诊断患者方面表现更佳。
效率：有趣的是，它获胜并非仅仅因为使用了更多的计算能力或阅读了更多的文本。它获胜是因为它更聪明地如何利用其资源。与那些只是不断猜测的其他方法相比，它确切地知道何时停止并请求更多信息，从而节省了时间和金钱。

总结

简而言之，ClinicalAgents 是一个智能的、基于团队的 AI 系统，它不仅仅是“猜测”医疗诊断。它像人类医生一样行事：提出假设，检查证据，意识到自己缺少拼图的一块时，回头去获取那块拼图，然后更新其结论。通过利用“指挥家”来管理团队，并利用两种类型的记忆来保持条理，它比之前的 AI 方法更准确、更可靠地解决了医疗谜团。

技术摘要：ClinicalAgents

问题陈述

临床决策（CDM）是一个复杂、非线性的过程，要求医生迭代地收集证据、提出假设，并根据不断变化的患者数据完善诊断。尽管大语言模型（LLM）在医疗领域展现出潜力，但它们往往难以胜任准确诊断所需的严谨、基于假设的推理。现有方法通常依赖于从症状到诊断的静态线性映射，或预脚本化的多智能体工作流。这些方法未能捕捉临床推理的迭代本质，缺乏在证据不足时进行动态重规划或回溯的机制，且常将记忆视为窗口受限的对话上下文，导致信息碎片化和中间状态不一致。因此，当前系统即使在关键证据缺失的情况下也可能过早得出诊断结论，从而增加误诊风险。

方法论

本文提出了ClinicalAgents，一种旨在模拟专家临床医生认知工作流的新颖多智能体框架。该系统建立在三个核心组件之上：

1. 双记忆架构

为确保在多轮交互中实现一致的状态跟踪和上下文感知推理，ClinicalAgents 采用双记忆系统：

工作记忆（ $M^{work}_t$ ）： 一个可变的状态板，用于维护不断演变的患者上下文，包括累积的证据集（ $E_t$ ）、诊断假设集（ $H_t$ ）以及行动轨迹（ $\tau_t$ ）。这确保了所有智能体共享同步的诊断进展视图。
经验记忆（ $M^{exp}$ ）： 一个静态的外部存储，包含结构化的临床指南（ $D_{guide}$ $D_{g u i d e}$ ）和历史病例数据库（ $D_{cdc}$ $D_{c d c}$ ）。该记忆通过混合检索增强生成（RAG）机制支持系统：
- 被动增强： 检索相关指南以辅助推理。
- 主动证据寻求： 利用历史病例识别当前诊断上下文可能忽略的潜在缺失但具有临床意义的证据（ $E^p_t$ ）。

2. 基于 MCTS 的临床协调器

核心创新在于一个临床协调器，它不通过固定序列，而是通过**蒙特卡洛树搜索（MCTS）**过程来管理智能体交互。

动作空间： 协调器从动态动作空间 $A$ $A$ 中进行选择，该空间包括：
- $A_{agent}$ ：激活专用智能体（例如：影像、治疗、诊断）。
- $a_{rag}$ ：从经验记忆中检索知识。
- $a_{back}$ ：触发工作流中先前状态的回溯。
- $a_{term}$ ：在达到临床闭环时终止过程。
假设驱动扩展： 协调器迭代地生成假设并根据证据进行验证。如果验证发现缺失关键证据（ $E^m_t \neq \emptyset$ ），系统将触发回溯机制。
回溯机制： 该机制被形式化为决策函数 $\Phi$ ，允许系统回退到早期阶段（例如，从诊断回退到信息收集），以请求或检索缺失数据，而不是基于不完整信息继续推进。
奖励函数： MCTS 由奖励函数 $R_t$ 引导，该函数旨在最大化信息增益，具体奖励那些减少缺失证据集（ $\Delta E^m_t > 0$ ）或提高诊断置信度（ $\Delta c_t > 0$ ）的动作，同时对无信息量的动作施加惩罚。

3. 工作流

系统在感知 $\rightarrow$ 假设 $\rightarrow$ 验证 $\rightarrow$ 更新的循环中运行。协调器动态选择智能体，检索必要知识，如果证据不足，则启动回溯以完善假设或收集缺失数据，然后再继续推进。

主要贡献

假设引导框架： 引入 ClinicalAgents，明确将临床医生的假设演绎推理过程操作化，从静态生成转向迭代、寻求证据的循环。
基于 MCTS 的协调机制： 一种新颖的协调机制，利用 MCTS 自适应地选择、重排序和迭代智能体动作。这克服了预脚本工作流的僵化性，并实现了由证据触发的回溯。
双记忆集成： 一种结合可变工作记忆（用于状态同步）与静态经验记忆（用于知识检索）的设计。这减少了信息丢失和冗余，同时提高了推理的一致性。
实证验证： 全面的实验表明，该框架在多阶段临床基准测试中取得了最先进的性能，消融研究证实了协调器和双记忆组件的互补价值。

实验结果

作者在MedChain基准测试上评估了 ClinicalAgents，该测试包含五个阶段的临床工作流（专科转诊、检查开单、检查、诊断、治疗），并将其与强大的基线进行了比较，包括单一大语言模型、单智能体系统（如 ReAct、RAG）以及现有的多智能体框架（如 MedAgents、MedChain-Agents）。

整体性能： ClinicalAgents 在所有评估方法中取得了最高的平均分数（0.5107），比最佳多智能体基线（MedChain-Agents，0.4880）高出 4.7%，比最强单智能体基线（ReAct，0.4696）高出 8.8%。
特定任务增益： 该系统在检查开单任务中表现出特别显著的提升（IoU 0.4820），这归功于验证与回溯机制，该机制通过添加关键检查并移除冗余检查来迭代完善检查计划。
消融研究： 移除双记忆或协调器会导致性能显著下降，证实了这两个组件都是必要且互补的。完整系统比骨干模型（GPT-5.2）高出 13.0%。
骨干敏感性： 该框架在不同的骨干大语言模型（包括 GPT-5.2、DeepSeek-R1、Qwen3-VL 和 HuaTuoGPT）上均表现出鲁棒性，无论底层模型的能力如何，性能均得到一致提升。
效率： 与自一致性（SC）扩展和其他多智能体基线相比，ClinicalAgents 以更低的 Token 消耗和延迟实现了更优越的性能，表明其增益源于有效的协调而非计算预算的增加。
可靠性： 在初始假设错误的情况下，回溯机制在 83% 的实例中成功触发，并在 64% 的实例中恢复了正确诊断。

意义与主张

本文主张，ClinicalAgents 代表了迈向更透明、更可靠的临床决策支持智能体系统的重要一步。通过弥合静态 AI 模型与人类临床推理的动态、迭代本质之间的差距，该框架解决了当前 AI 驱动的临床决策中的关键局限性，如僵化性、信息碎片化和过早收敛。作者认为，他们的方法为 AI 系统提供了一条实用路径，使其不仅能作为被动预测器，还能作为主动的、寻求证据的协作者，能够严格验证假设并适应新信息，从而提高诊断准确性和可解释性。这项工作强调，该系统被设计为一种辅助工具，旨在增强而非取代人类临床判断。