沙丘社区
论文

SynthAgent：一个用于真实患者模拟的多智能体 LLM 框架——肥胖共病精神健康障碍的案例研究

SynthAgent: A Multi-Agent LLM Framework for Realistic Patient Simulation -- A Case Study in Obesity with Mental Health Comorbidities

Arman Aghaee, Sepehr Asgarian, Jouhyun Jeon
智能体系统Agent 协作

摘要

模拟高保真患者为研究复杂疾病提供了有力途径，同时应对了真实世界数据碎片化、有偏且受隐私限制的挑战。在本研究中，我们提出 SynthAgent，一个新颖的多智能体系统（MAS）框架，用于对患有共病精神障碍（包括抑郁症、焦虑症、社交恐惧症和暴食症）的肥胖患者建模。SynthAgent 整合来自理赔数据、人群调查和以患者为中心的文献的临床与医学证据，构建个性化的虚拟患者，并赋予其影响依从性、情绪调节和生活方式行为的人格特质。通过自主的智能体交互，该系统模拟多样化心理社会情境下的疾病进展、治疗反应和生活管理。对超过 100 个生成患者的评估表明，作为所提 MAS 框架的核心引擎，GPT-5 和 Claude 4.5 Sonnet 达到最高保真度，优于 Gemini 2.5 Pro 和 DeepSeek-R1。由此，SynthAgent 为探索医学与心理学领域的患者旅程、行为动态和决策过程提供了一个可扩展且保护隐私的框架。

SynthAgent：一个用于真实患者模拟的多智能体 LLM 框架——肥胖共病精神健康障碍的案例研究
图1：用于肥胖患者模拟的SynthAgent多智能体框架概览。该系统整合来自多个实证来源的数据，包括NHANES、医疗理赔、流行病学数据集和患者病例报告。数据预处理之后，summarizer agent将实证证据压缩为供generator agent使用的结构化输入，后者创建初始患者画像。augmenter agent利用基于文献的临床证据丰富这些画像，与此同时evaluator agent检查逻辑、时序和行为上的不一致。随后refiner agent解决所有问题，生成最终通过验证的合成患者。