ClinSeekAgent：自动化多模式证据搜寻以进行代理临床推理

大语言模型 (LLM) 和代理系统已显示出临床决策支持的前景，但现有的工作很大程度上假设证据已经被整理并交给模型。相反，现实世界的临床工作流程需要代理积极寻找、迭代计划和合成来自异构来源的多模式证据。在本文中，我们介绍了 ClinSeekAgent，这是一种用于动态多模式证据搜索的自动化代理框架，它将范式从被动证据消耗转变为主动证据获取。只需进行临床查询和访问原始数据源，ClinSeekAgent 通过查询医学知识库、浏览原始 EHR 和调用医学成像工具来收集证据；随着新信息的出现完善其假设；并将收集到的证据整合到有依据的临床决策中。 ClinSeekAgent 既可用作前沿 LLM 的推理时间代理，也可用作将高质量代理轨迹提炼为紧凑的开源模型的训练时间管道。为了验证其推理时间有效性，我们构建了 ClinSeek-Bench，它将根据固定的预选证据进行的策划输入推理与针对原始临床数据的自动证据搜索相结合。在纯文本 EHR 任务中，ClinSeekAgent 将 Claude Opus 4.6 的总体 F1 从 60.0 提高到 63.2，将 MiniMax M2.5 从 43.1 提高到 47.3，在 9 个评估的主机模型中，有 7 个获得了积极的风险预测收益。在多模式任务上，ClinSeekAgent 将 Claude Opus 4.6 从 47.5 提高到 62.6 (+15.1)；所有评估的模型在三个 CXR 相关任务组中都有所提高。我们通过将代理寻证轨迹提炼到 ClinSeek-35B-A3B 中，进一步验证 ClinSeekAgent 作为训练管道的作用，它在现有 AgentEHR-Bench 上实现了 34.0 的平均 F1，比其 Qwen3.5-35B-A3B 基线提高了 +11.9 点，接近 Claude Opus 4.6。