自适应医疗决策框架 MDAgents：问题复杂度评估 + 医疗决策 + 多智能体协作

自适应医疗决策框架 MDAgents：问题复杂度评估 + 医疗决策 + 多智能体协作

提出背景
MDAgents 拆解
解法：MDAgents框架处理医疗问题
3.1 查询复杂性评估
例子：糖尿病患者的医疗查询

3.2 专家招募
3.3 医疗协作与改良
3.4 决策制定

分阶段决策
1. 问题复杂度评估
2. 医疗决策
3. 多智能体协作

提出背景

论文：https://arxiv.org/pdf/2404.15155

代码：https://github.com/mitmedialab/MDAgents

大模型在各种普通领域表现出了希望，但它们在医疗保健方面的表现有限。

这种限制源于它们的通用设计，缺乏精细的医学知识和过程，这些对于准确的医学决策至关重要。

相比之下，人类临床医生对医学决策采用了一种适应性、协作性和分层式方法。

受到这种现实世界医学决策过程的启发，作者提出了医疗决策代理（MDAgents）框架，这是一个自适应医学决策框架，利用LLMs模拟了从个体临床医生到协作临床医生团队的分层诊断程序。

MDAgents包括四个阶段：医学复杂度检查、专家招募、推理过程和最终决定。

框架根据问题的医学背景将问题分为低、中和高三个复杂度级别，并采取适当的诊断方法。

对于单独查询，框架使用一系列提示技术提供答案。

对于协作团队，多个LLM代理与专业医学专家一起通过协作讨论形成共识。

对于最复杂的情况，框架综合来自不同领域的信息，生成综合报告，最终做出决定。

以糖尿病为例，来说明MDAgents框架如何应用于医学决策：

医学复杂度检查：对于一个患有糖尿病的患者，MDAgents首先会评估疾病的复杂性。

糖尿病是一种慢性疾病，涉及多个系统和器官，如胰腺、血液循环系统、眼睛、肾脏等。

根据患者的病史、症状和可能的并发症，框架可能将这个病例归类为中到高复杂度。
专家招募：针对糖尿病这种中到高复杂度的情况，MDAgents框架可能会选择组建一个多学科团队（MDT）。

这个团队可能包括内分泌学医生、营养师、眼科医生、肾脏专家等不同领域的专家，以确保综合性的诊断和治疗方案。
推理过程：在MDT的框架下，多个LLM代理与各个医学专家一起协作，共同讨论患者的情况。

他们可能会利用框架提供的提示技术和各自的专业知识，共同制定个性化的治疗方案。这个过程可以包括对患者的病史进行综合分析、制定合理的饮食和运动计划、调整药物治疗方案等。

MDAgents框架通过动态协作和跨学科团队的方式，帮助医生更好地处理糖尿病患者的诊断和治疗，提高了决策的准确性和效率。

MDAgents 拆解

解法：MDAgents框架处理医疗问题

子解法1：问题复杂度评估
- 特征：之所以使用问题复杂度评估子解法，是因为医疗问题的复杂度不同，需要不同级别的医疗资源和专家介入。
- 例子：比如一个简单的感冒问题，只需要基层医生（PCP）的咨询，而不需要专家团队的介入。
子解法2：专家团队的动态配置
- 特征：之所以使用专家团队的动态配置子解法，是因为不同复杂度的医疗问题需要不同专业背景的医生共同协作，以确保治疗的全面性和精准性。
- 例子：对于一个中等复杂度的糖尿病管理问题，可能需要内分泌专家、营养师、心脏病专家等组成的多学科团队来共同制定治疗方案。
子解法3：多轮协商和共识形成
- 特征：之所以使用多轮协商和共识形成子解法，是因为多学科团队中的不同专家可能会有不同的意见和建议，需要通过反复讨论以达成最佳治疗方案的共识。
- 例子：在处理一个高复杂度的心血管病患者的情况时，心脏病专家可能建议进行手术，而内科医生可能更倾向于药物治疗。团队需要多轮讨论，以平衡不同的专业意见并形成一个统一的治疗方案。
子解法4：综合决策输出
- 特征：之所以使用综合决策输出子解法，是因为经过专家团队的共识后，还需要有一个清晰、具体的决策输出，以指导实际的医疗操作。
- 例子：在一次团队讨论后，决定对一个患有多种慢性疾病的老年患者采用低剂量药物治疗结合物理疗法的方案。这个决策输出将直接影响患者的治疗过程和结果。

MDAgents框架能够精细地处理从简单到复杂的各种医疗问题，确保每一个决策都基于充分的专业评估和团队协作，提高治疗的效果和患者的满意度。

3.1 查询复杂性评估

如何使用一个被称为“调解员LLM”的模型来评估医疗查询的复杂性。

这个模型扮演一个分类器的角色，根据提供的医疗查询返回其复杂性等级，分为三个等级：

低复杂度：涉及直接、明确的医疗问题，通常由一名基层医疗保健提供者（PCP）处理，例如常见的急性疾病或稳定的慢性状况。
中等复杂度：涉及多个相互作用的因素，需要多学科团队（MDT）的合作。
高复杂度：涉及需要综合治疗团队（ICT）广泛协调和专业知识的复杂医疗场景，如多重慢性病状和依赖于医疗技术的情况。

例子：糖尿病患者的医疗查询

假设一个糖尿病患者提出了关于他们最近血糖波动频繁的问题。

他们询问是否需要调整他们的药物治疗计划或改变生活方式。

查询提交与初步评估
- 患者通过一个在线医疗咨询平台提交了他们的医疗问题。
- 调解员LLM接收到这个查询，并开始评估其复杂性。
复杂性分类
- 低复杂度：如果查询是关于标准的糖尿病管理，如调整已知药物的剂量，这通常被认为是低复杂度的，因为它涉及常规的治疗调整。
- 中等复杂度：如果患者报告的血糖波动与他们最近的饮食和生活方式改变有关，且需要考虑药物、饮食和生活方式的整体调整，这可能被认为是中等复杂度。
这种情况下，可能需要营养师和内分泌专家的联合评估。
- 高复杂度：如果患者的血糖问题伴随有其他并发症，如心血管疾病或肾脏问题，且可能需要多种医疗技术来监测和治疗，这将被分类为高复杂度。
这种情况下，可能需要一个综合治疗团队，包括心脏病专家、肾病专家、内分泌专家等。
处理结果
- 根据调解员LLM的复杂性评估，选择相应的医疗资源进行回应：
  - 对于低复杂度，基层医疗保健提供者可能直接在线回答或通过远程会诊调整药物。
  - 对于中等复杂度，可能会安排一个多学科团队会议，讨论患者的整体管理计划。
  - 对于高复杂度，可能需要安排面对面的综合评估，并制定一个全面的治疗方案。