痴呆药物：用于痴呆分期和表型分析的多模式多药物系统

痴呆症诊断需要在不完整和异构数据条件下整合来自不同信息提供者和临床医生的多模式临床评估。然而，大多数人工智能驱动的方法仍然以阿尔茨海默病 (AD) 为中心，将问题描述为在精心策划的研究环境中进行二元 AD 检测或三阶段 AD 进展建模。这种病理驱动的范式忽视了痴呆症更广泛的综合症层面的性质，它跨越多个阶段、表型和病因。在本文中，我们提出了 Dementia-Agents，这是一种临床一致的多代理框架，用于现实世界的痴呆分期和表型分析。该框架遵循三步工作流程：（1）数据代理将结构化临床记录转换为语义上忠实的文本表示，保留缺失数据信号并将其路由给领域一致的专家； （2）五个经过微调的专家代理生成领域级预测； (3)协调代理执行概率聚合以产生最终的分期和表型决策。我们在由来自两个认知神经病学服务机构的 1,066 名患者组成的真实临床队列中开发和评估痴呆药物。与整体多模态 大语言模型 (MLLM) 和之前的医疗多智能体系统相比，我们的方法在现实世界综合征级痴呆分期和表型的诊断性能方面取得了一致的改进，同时保留了领域级的可解释性。