迈向Vibe Medicine：面向临床决策支持的自进化多智能体框架

近年来，大语言模型与自主智能体的进展给医疗健康领域带来变革，辅助诊断并改善治疗效果。然而，大多数现有AI系统依赖预训练知识与预定义流水线，难以从包含患者结局与既往失败的交互式对话历史中动态学习。为解决这一局限，我们提出VIBEMed，一个内置自进化机制与架构级安全沙箱的多智能体框架，用于稳健的临床决策支持。该系统集成了三个专职智能体：用于假设生成的临床诊断智能体（CDA）、用于治疗规划的治疗执行智能体（TEA），以及将纵向临床反馈提炼为可复用知识的临床进化管理智能体（CEMA），从而将多模态患者信息转化为个性化医疗决策。借助自进化机制，该框架支持对记忆、模型行为与决策策略的迭代更新，使系统能够随时间不断改进。实验结果表明，VIBEMed凭借其进化机制在复杂临床病例中展现出更优性能，尤其是在需要综合决策与纵向规划的任务上。该框架还在肿瘤治疗规划等具有挑战性的场景中支持可靠的端到端决策，凸显了其在真实临床环境中的可行性。总体而言，VIBEMed提供了一条超越静态AI系统、迈向自适应且经验驱动的临床决策支持的实用路径，展示了多智能体协作与持续进化相结合对推进精准医疗的价值。