CAREAgent：面向医嘱生成的结构化推理与工具集成临床智能体

临床医嘱生成是临床决策与现实实践之间的关键桥梁，将医疗决策转化为具体可执行的医嘱。现有智能体主要关注粗粒度决策，忽视了临床医嘱所需的细粒度、可执行信息。为弥合这一差距，我们提出了面向临床医嘱生成的智能体CAREAgent。为支持其训练，我们提出了一种两阶段智能体推理数据构建方法。首先，我们设计了一个智能体框架，构建与真实临床工具使用相一致的可验证推理轨迹。其次，我们依据格式合规性、医嘱有效性和临床合理性对推理轨迹进行过滤。在所构建数据的基础上，模型先通过监督微调学习基础推理格式与医学知识，随后通过带有多维奖励函数的强化学习进行优化，以增强复杂临床推理能力。在多个基准上的实验证明了CAREAgent的有效性。在训练中未见的ClinicalBench上，CAREAgent的F1分数较单智能体、多智能体和智能体推理方法分别提升5.05%、2.09%和0.86%。