证据、逻辑和合规性：多智能体结构化图推理与医疗转诊专家仲裁

医疗转诊（将患者引导至适当的医院科室）是一个复杂的决策过程，需要综合多模式数据，包括患者叙述、实验室指标和放射成像。虽然 大语言模型 (LLM) 拥有先进的医疗对话系统，但由于两个主要限制，它们在处理现实世界的转诊任务时遇到了困难：(1) 信息过载，模型专注于高频疾病术语，而忽略了微妙但关键的紧急指标； (2)非结构化协作，现有的多智能体框架依赖于松散的对话，导致语义漂移和确认偏差。为了应对这些挑战，我们引入了 MASGR（多智能体结构化图推理），这是一个框架，它不将推荐视为分类任务，而是将其视为结构化图构建问题。 MASGR 部署专门的代理从不同的模式中提取证据，并通过临床推理图来协调它们。该图迫使智能体在相互冲突的证据之间建立明确的逻辑联系。此外，我们集成了一种知识引导的仲裁机制，该机制将患者安全规则优先于标准诊断分类。对真实世界医疗记录的大量实验表明，MASGR 显着优于最先进的 LLM 和现有的多智能体系统，特别是在需要平衡慢性病管理和紧急干预的复杂情况下。人工智能的贡献在于多智能体结构化图推理框架，该框架将非结构化多智能体对话转化为可验证的逻辑图结构。该工程应用通过在复杂的医疗决策系统中的部署来证明，以优化复杂医疗转诊的精度。