弥合出院后差距：用于安全和持续护理的可追踪多主体框架

出院后临床随访对于维持护理的连续性和减轻长期健康风险至关重要。然而，传统的随访模式面临卫生人力短缺、患者病史分散以及临床部门之间信息孤岛的困扰。虽然 大语言模型 在医疗问答方面表现出了潜力，但它们在持续护理中的部署受到幻觉风险和根本无法推理纵向、患者特定限制的阻碍。在这里，我们介绍 Healink，这是一种记忆增强型多智能体框架，通过生成基于处方的、可追踪的响应来支持人工智能辅助的出院后随访，从而提高回顾性和医生盲法评估中的完整性和临床实用性。该架构无缝集成了分类路由机制、利用强大的关系数据库实现最佳延迟的统一内存增强模块以及严格基于约束的检索增强生成引擎。通过矢量化历史临床记录并在不同的表型和干预维度上采用加权相似函数，Healink 可确保精确的患者间和患者内病例匹配，同时积极防止跨部门药物冲突。我们在包含 400 个连续案例和 85 个高度复杂的现实世界后续案例以及 webMedQA 基准的数据集上评估了 Healink。在临床专家进行的严格单盲评估中，该框架在权威性和临床安全性方面均优于人类医生基线。通过生成可追踪的白盒证据链，Healink 为智能患者管理提供了可扩展、安全且高效的范例，最终提高了社会医疗保健成果。