论文
MedCoRAG：通过混合证据检索与多专科共识实现可解释肝病诊断
MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus
摘要
准确且可解释的肝病诊断至关重要，但在真实临床环境中仍然充满挑战。现有的AI临床诊断方法往往缺乏透明度、结构化推理和可部署性。近期工作利用了大语言模型（LLM）、检索增强生成（RAG）和多Agent协作。然而，这些方法通常只从单一来源检索证据，且无法支持基于结构化临床数据的迭代式、角色专门化的研讨。为解决这一问题，我们提出MedCoRAG（即Medical Collaborative RAG），一个端到端框架，从标准化的异常发现生成诊断假设，并通过联合检索与剪枝UMLS知识图谱路径和临床指南来构建患者专属证据包。随后它执行多Agent协作推理：Router Agent根据病例复杂度动态调度Specialist Agent；这些Agent对证据进行迭代推理，并在需要时触发定向重检索；Generalist Agent将所有研讨综合为可追溯的共识诊断，模拟多学科会诊。在MIMIC-IV肝病病例上的实验结果表明，MedCoRAG在诊断性能和推理可解释性上都优于现有方法和闭源模型。
