缓解医疗应用中过早诊断移交与静默幻觉的智能体AI框架

大语言模型（LLM）与多智能体系统的最新进展推动智能体AI崛起——在医疗推理上展现前景。但开放式对话智能体仍易受两种关键失败模式影响：过早的诊断移交——以及可能在到达患者前未被察觉的静默临床幻觉。本工作中——我们提出以确定性编排约束取代“LLM即裁判”路由的多智能体框架——同时解决两个问题。该框架纳入两个安全机制。第一——神经符号状态追踪门强制OLDCARTS临床协议（起病、部位、病程、性质、加重/缓解因素、放射、时间与严重度）的完备性——在收集齐全部所需维度前阻断诊断转移。第二——认识不确定性量化（UQ）门跨K=5个独立诊断样本计算语义熵（H）——在交付前识别并拦截分歧输出。我们以llama-3.1-70b-instruct驱动的仿真患者智能体在150个测试案例上评估系统。完整架构取得49.3%诊断精确率——较无约束基线绝对提升11.3个百分点。此外——我们观察到OLDCARTS完备度（σ）与语义熵（H）之间统计显著的负相关（r=-0.181，p<0.05）——提示结构化信息收集与降低诊断不确定性相关。