MedExAgent：訓練 LLM 代理在雜訊臨床環境中提問、檢查和診斷

MedExAgent: Training LLM Agents to Ask, Examine, and Diagnose in Noisy Clinical Environments

每天早上一封信，5 分鐘看完 AI 重點。5min AI 是繁體中文的每日 AI 新聞整理，免費、可隨時取消。

arXiv cs.CL2026-05-11

摘要

研究團隊提出 MedExAgent，將臨床診斷建模為部分可觀測馬可夫決策過程（POMDP），讓 LLM 代理能夠通過提問、調用醫學檢查工具和出具診斷三類行動進行真實臨床診斷。該方法突破了現有醫療 LLM 的局限，不再簡化為單輪問答或無噪聲對話，而是納入不完整資訊、患者多樣化特徵等臨床實境的複雜性。

現有醫療大語言模型（LLM）的基準與自動診斷方法存在嚴重簡化問題，通常將診斷過程縮減為單輪問答、無噪聲對話或順序檢查，忽略了臨床診斷中互動性與不確定性的本質。真實世界的臨床診斷需要醫生從與患者的互動及醫學檢查中獲取資訊，並適應不同的患者特徵，同時處理隨時可能出現的雜訊與不完整資訊。

研究團隊將臨床診斷形式化為部分可觀測馬可夫決策過程（POMDP），並提出 MedExAgent 這一診斷代理。該代理具備三類行動能力：向患者提問、調用醫學檢查工具（tool calls）以及出具診斷。為模擬真實環境，研究引入了系統性的雜訊模型，包含七種患者雜訊類型與三種檢查雜訊類型。

MedExAgent 的訓練採用兩階段流程：首先基於 Calgary-Cambridge 臨床訪談模型構建的合成對話進行監督式微調；隨後應用 DAPO 演算法優化複合獎勵函數，該函數涵蓋診斷準確性、工具呼叫品質以及檢查成本（包括財務成本與患者不適感）。實驗與消融研究顯示，MedExAgent 在保持檢查策略成本效益的同時，其診斷表現可與更大的模型相媲美。

●開發者：掌握在不確定環境中訓練醫療 AI 代理的新思路

●投資人：醫療診斷 AI 商用化進一步成熟

●一般用戶：AI 輔助診斷系統將更貼近真實臨床流程

重要性評分

76/100

🟠 值得關注

臨床診斷LLM 代理POMDP

原文出處

上一則← Anthropic 的 Mythos 工具重塑 Firefox 網絡安全防禦方式下一則自固鞏語言模型：持續將上下文知識整合入模型權重 →

每天早晨收到值得看的 AI 重點。

訂閱 5min AI，讓 AI 替你追蹤整個 AI 世界。