MedMASLab：多模态医疗多智能体系统基准测试的统一编排框架

多智能体系统（MAS）虽在复杂临床决策支持上展现潜力，但该领域仍受架构碎片化与多模态集成标准化缺失拖累。当前医疗MAS研究存在数据接入管线不统一、视觉推理评估不一致与跨专科基准缺失的问题。为应对这些挑战，我们提出MedMASLab——面向多模态医疗多智能体系统的统一框架与基准平台。MedMASLab引入：（1）标准化多模态智能体通信协议，使11种异构MAS架构在24种医疗模态上无缝集成；（2）自动化临床推理评估器：零样本语义评估范式，利用大型视觉语言模型核验诊断逻辑与视觉定位，克服词面匹配的局限；（3）迄今最大规模基准：覆盖11个器官系统与473种疾病，统一了11个临床基准的数据。系统评估揭示关键的领域特异性差距：MAS虽提升推理深度，现有架构在跨医学子域切换时表现出显著脆弱性。我们对交互机制与成本-性能权衡做了严格消融，为未来自主临床系统确立新的技术基线。源码与数据公开于https://github.com/NUS-Project/MedMASLab/。