SkinGPT-X：一个自我进化的协作多代理系统，用于透明且值得信赖的皮肤病诊断

虽然 大语言模型 的最新进展显着改进了皮肤病诊断，但由于训练数据稀疏，整体 LLM 经常难以完成细粒度、大规模的多类诊断任务和罕见皮肤病诊断，同时也缺乏临床推理所必需的可解释性和可追溯性。尽管多代理系统可以提供更透明和可解释的诊断，但现有框架主要集中在视觉问答和对话任务上，并且它们对静态知识库的严重依赖限制了复杂的现实临床环境中的适应性。在这里，我们推出了 SkinGPT-X，这是一种用于皮肤病诊断的多模式协作多智能体系统，与自我进化的皮肤病记忆机制相结合。通过模拟皮肤科医生的诊断工作流程并实现连续的记忆进化，SkinGPT-X 为复杂和罕见的皮肤病病例的管理提供透明且值得信赖的诊断。为了验证 SkinGPT-X 的稳健性，我们设计了一个三层对比实验。首先，我们在四个公共数据集上对 SkinGPT-X 与四个最先进的 LLM 进行基准测试，展示了其最先进的性能，与最先进的模型相比，DDI31 的准确度提高了 +9.6%，Dermnet 的加权 F1 增益提高了 +13%。其次，我们构建了一个涵盖 498 个不同皮肤病类别的大规模多类数据集，以评估其细粒度分类能力。最后，我们整理了罕见皮肤病数据集，这是解决临床罕见皮肤病稀缺问题的第一个基准，其中包含 564 个临床样本，涉及八种罕见皮肤病。在此数据集上，SkinGPT-X 的准确率提高了 +9.8%，加权 F1 提高了 +7.1%，Cohen's Kappa 提高了 +10%。