论文
Ascent：基于 Model Context Protocol 的真实世界临床数据分析智能体系统
Ascent: An Agentic System over the Model Context Protocol for Real-World Clinical Data Analysis
摘要
从真实世界临床数据回答流行病学问题，需要医学编码、具备模式感知的 SQL，以及对人群、分母和时间等隐含选择的验证。我们提出 Ascent，一个智能体系统，通过共享的 Model Context Protocol（MCP）工具接口，为标准化模式与原生模式提供医学编码、问答与队列分析能力。我们引入 EpiTrap 数据集，用于测试系统能否避免公认的药物流行病学错误，并在多个模型与编排器上比较固定流水线与智能体。在能力较强的模型上，智能体相对固定流水线在原生模式与标准化模式上平均分别提升 27 和 20 个百分点的准确率。这些收益需要更多的工具调用和更长的运行时间。来自真实项目的经验凸显了该系统在可行性评估、诊断迭代与专家引导分析方面的价值。
