MedExAgent：訓練 LLM 代理在雜訊臨床環境中提問、檢查和診斷

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。