用于复杂临床推理的稀疏多级专家代理路由

复杂的临床推理需要模型随着新证据的出现而更新诊断假设，并在有限的咨询资源下协调不同的医学专业。现有的基于 LLM 的临床推理系统通常执行单通道预测或依赖固定的多智能体工作流程，使专家的参与要么是静态的，要么是不必要的详尽。我们提出了稀疏多阶段专家代理路由，这是一种基于语言的临床推理框架，将诊断建模为阶段式路由过程。鉴于来自多种模式的逐渐可用的临床证据，该框架维持不断变化的病例状态，并自适应地激活一组稀疏的医学专家代理，并得到跨阶段专家特定记忆的支持。为了评估超越表面相似性的自由文本诊断结论，我们进一步引入了 ClinFEScore，一种用于临床推理输出的事实感知语义评估协议。在 MAC 和 AgentClinic-NEJM 重建的多阶段病例中，我们的框架将激活专家的平均数量从 17.0 减少到 3.0，同时保持强大的事实级诊断质量。在 200 个真实医院 MDT 病例中，ClinFEScore 与临床医生的判断密切相关（Spearman 的 $ρ=0.81$；Pearson 的 $r=0.87$），而我们的方法通过每个病例约 5 次专家代理/LLM 调用，实现了 91.5% 的临床医生验证诊断准确性。这些结果支持稀疏阶段协调作为基于 LLM 的临床推理的有效且临床相关的方法。