Beyond the Individual: Virtualizing Multi-Disciplinary Reasoning for Clinical Intake via Collaborative Agents¶

会议: ACL 2026 Findings
arXiv: 2604.08927
代码: GitHub
领域: 医疗NLP 关键词: 多学科会诊, 多智能体, 临床问诊, SOAP笔记, 动态拓扑

一句话总结¶

提出 Aegle 框架，通过图结构多智能体架构虚拟化多学科会诊（MDT），将解耦并行推理和动态拓扑引入门诊问诊流程，在24个科室53项指标上超越SOTA模型。

研究背景与动机¶

领域现状：初诊问诊是临床决策的关键阶段，医生需将患者的非结构化叙述转化为SOAP格式的初始病程记录（IPN）。当前LLM辅助问诊主要有两类：文档生成（如Med-PaLM 2）和交互式问诊（如AMIE），但都是单模型架构。

现有痛点：(1) 单一医生/模型在时间压力下容易产生锚定偏差（anchoring bias），过度关注显著症状而忽略细微线索；(2) 现有交互式系统多为"被动接收者"，缺乏主动排除性提问能力；(3) 多学科会诊（MDT）虽能缓解认知偏差，但成本高、难以扩展到日常门诊。

核心矛盾：MDT级别的系统性推理深度与实时门诊场景的资源约束之间的矛盾。同时，多智能体系统中的"缺陷共识"问题——智能体可能互相强化偏差、压制正确的少数意见。

本文目标：将MDT的认知优势虚拟化，以低成本在实时门诊中实现多视角协作推理。

切入角度：用图结构多智能体架构模拟MDT协作——解耦并行推理保持假设多样性，动态拓扑按需激活专科智能体，SOAP结构化状态确保推理可追溯。

核心 idea：通过Orchestrator动态激活专科Agent、各Agent解耦并行推理、Aggregator整合输出并更新结构化临床状态的三层架构，虚拟化MDT会诊流程。

方法详解¶

整体框架¶

Aegle基于DeepSeek-V3.2构建，采用两阶段有限状态机执行问诊：Stage I为迭代式病史采集（证据收集），Stage II为诊断综合（冻结证据集后生成诊断）。全程维护一个增量更新的结构化临床状态 \(\mathcal{S}_t = [\mathcal{F}_t, \mathcal{P}_t]\)，其中 \(\mathcal{F}\) 对应SOAP的S+O（事实证据），\(\mathcal{P}\) 对应A+P（诊断与计划）。Stage I 内由 Orchestrator、Specialist Agents、Aggregator 三类节点协作循环，所有节点都读写同一块 SOAP 黑板；证据充分后才切换到 Stage II 一次性下诊断。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400, 'subGraphTitleMargin': {'top': 8, 'bottom': 16}}}}%%
flowchart TD
    A["患者叙述输入"] --> ORCH
    subgraph STAGE1["两阶段顺序执行 · Stage I 迭代式病史采集"]
        direction TB
        ORCH["Orchestrator 路由 π_orch<br/>按当前证据动态激活专科子集"]
        SPEC["Specialist Agents<br/>各专科解耦并行推理，互不可见"]
        AGG["Aggregator 整合（先写后说）<br/>合并建议后才生成问诊话术"]
        ORCH --> SPEC --> AGG
    end
    AGG -->|更新事实证据 F + 向患者追问| BB[("结构化临床状态<br/>SOAP 黑板 S = [F, P]")]
    BB -->|证据未充分，进入下一轮| ORCH
    BB -->|证据充分，冻结 F| SYN["Stage II 诊断综合<br/>Aggregator 据完整证据生成诊断与计划 P"]
    SYN --> OUT["输出 SOAP / 初始病程记录 IPN"]

关键设计¶

1. 结构化临床状态：用一块 SOAP 黑板把"收证据"和"下诊断"硬性隔开

LLM 问诊最容易犯的错是证据还没收齐就急着抛诊断（premature commitment），结论一旦说出口很难回头。Aegle 把 SOAP 病历形式化成一块所有 Agent 共享的黑板 \(\mathcal{S}_t = [\mathcal{F}_t, \mathcal{P}_t]\)：其中 \(\mathcal{F}\)（Case Features）对应 SOAP 的 S+O，持续累积基本信息、现病史、既往史、体检结果等可验证事实；\(\mathcal{P}\)（Diagnosis & Plan）对应 A+P，只有等 \(\mathcal{F}\) 稳定后才允许生成。框架强制 \(\mathcal{F} \to \mathcal{P}\) 的单向依赖，于是任何一条诊断结论都能反查回它依据的具体证据，既防住了过早承诺，也让推理链可追溯。

2. 动态多智能体图拓扑：按病情现场召集专科，而不是让所有专家一拥而上

把所有科室都塞进上下文既贵又会互相干扰，真实 MDT 也是按需召集相关专家。Aegle 用三类节点协作来还原这一点：Orchestrator 充当路由策略 \(\pi_{orch}\)，根据对话历史和当前证据动态挑出要激活的专科子集 \(A_{sub}\)；被选中的 Specialist Agents 各自独立、并行地分析病例，彼此看不到对方的中间推理（解耦推理）；Aggregator 再按"先写后说"协议把各专科建议整合进状态 \(\mathcal{S}_{t+1}\)，然后才生成面向患者的那句话。解耦并行是这里的关键——各 Agent 保持假设多样性，避免了多智能体常见的 group think 与"缺陷共识"（少数正确意见被多数压制）。

3. 两阶段顺序执行：把"先充分讨论再形成共识"做成显式的偏差控制闸门

锚定偏差往往来自在证据不全时就锁死了诊断方向。Aegle 用一个两阶段有限状态机把这道闸门写死：Stage I 是迭代式病史采集，Orchestrator 反复激活专科 Agent 提追问建议、Aggregator 整合后生成下一轮问诊，循环推进直到证据充分；证据足够后才转入 Stage II，此时冻结 \(\mathcal{F}\)，基于完整证据集一次性生成 \(\mathcal{P}\)（诊断 + 治疗计划）。两阶段的物理隔离，等于把真实 MDT"先讨论清楚病情再下结论"的纪律变成了系统层面不可逾越的约束。

一个完整示例：一次门诊问诊怎么走¶

以一位主诉"突发剧烈头痛"的患者为例。Stage I 开始，黑板上的 \(\mathcal{F}\) 还只有这条主诉，\(\mathcal{P}\) 为空。Orchestrator 根据这条线索激活神经内科与急诊两个专科 Agent：神经内科 Agent 独立怀疑蛛网膜下腔出血、建议追问"是否伴随颈强直、意识改变"；急诊 Agent 则关注是否有高血压史与起病速度——两者并行给出建议，互不知晓对方思路。Aggregator 先把这些追问写进内部状态，再合成一句自然的问诊话发给患者。患者回答后，新证据补进 \(\mathcal{F}\)，进入下一轮：Orchestrator 可能据此追加眼科 Agent 排查视乳头水肿。如此往复，直到 \(\mathcal{F}\) 里的事实足以支撑判断，状态机才切到 Stage II——冻结全部证据，让 Aggregator 综合各专科意见，一次性写出 \(\mathcal{P}\)（如"高度怀疑 SAH，建议急查头颅 CT"）。整条流程里，诊断始终落后于证据，多专科视角始终并行而不互相污染。

损失函数 / 训练策略¶

Aegle为推理框架（非训练方法），基于DeepSeek-V3.2的zero-shot能力，通过结构化prompt和角色分配实现协作。无需额外训练。

实验关键数据¶

主实验¶

数据集	指标	Aegle	DeepSeek-V3.2	GPT-4o	提升
ClinicalBench	IDEA	63.80	50.51	41.05	+13.3
ClinicalBench	SOAP	53.42	38.64	29.38	+14.8
ClinicalBench	READ	76.20	71.73	67.66	+4.5
RAPID-IPN	IDEA	67.31	54.35	44.70	+13.0
RAPID-IPN	SOAP	60.09	47.39	34.79	+12.7
RAPID-IPN	READ	80.18	72.14	69.89	+8.0

覆盖24个临床科室，53项细粒度指标。

消融实验¶

配置	IDEA	SOAP	说明
Aegle (完整)	63.80	53.42	完整框架
单Agent (DeepSeek-V3.2)	50.51	38.64	无MDT协作
MiniMax-M2	57.78	46.18	最强单模型baseline

关键发现¶

Aegle在所有53项指标上一致性地超越所有baseline，包括GPT-4o、Gemini 2.5等闭源模型
即使底座模型相同（DeepSeek-V3.2），多智能体框架带来了+13.3 IDEA分的提升，证明协作架构本身的价值
真实临床数据集RAPID-IPN上的提升更显著，说明框架在真实场景中泛化良好

亮点与洞察¶

解耦并行推理：各专科Agent独立分析避免了"缺陷共识"问题，这比辩论式多智能体更安全可控。可迁移到其他需要多视角分析的场景（如法律、金融风险评估）
SOAP结构化状态作为共享黑板：将临床文档标准提升为推理控制机制，不仅是记录格式，更是偏差控制工具。这种"结构即约束"的思路很有启发性
先写后说协议：Aggregator先更新内部状态再生成对话，确保技术精确性与患者沟通的分离，对医疗AI的可部署性很重要

局限与展望¶

完全依赖DeepSeek-V3.2的zero-shot能力，未探索针对临床场景的微调
多Agent调用增加了推理成本（API调用次数倍增），实际部署需考虑延迟和成本
评估主要基于中文临床数据，跨语言和跨文化的泛化性待验证
未涉及影像、实验室检验等多模态信息的整合

评分¶

新颖性: ⭐⭐⭐⭐ 将MDT虚拟化的框架设计新颖，SOAP结构化状态的形式化处理有创意
实验充分度: ⭐⭐⭐⭐⭐ 24个科室、53项指标、ClinicalBench+真实数据集、多个SOTA baseline对比
写作质量: ⭐⭐⭐⭐ 框架描述清晰，但公式符号较多，部分地方可进一步简化