CaseWeaver：用于多模式虚拟临床病例生成的多代理框架

临床诊断依赖于从同一患者整个病程中收集的一致的多模态数据，但由于收集成本、缺失模态、分散的系统和纵向随访，这些数据很难大规模获取。现有的合成数据方法主要关注报告级别生成的个体模式或视觉语言双重模式。在完整的临床病例水平上构建具有一致的患者背景、连贯的疾病轨迹和相互关联的特定模式证据的综合数据方面，我们所做的工作还很少。我们引入 CaseWeaver，这是一个围绕时间线锚定的潜在临床病例图 (LCCG) 构建的多代理框架。 LCCG 在共享的患者级别表示中组织患者背景、潜在疾病状态、临床事件和预期观察结果。模态代理使用范围观察子图和临床协议来生成证据，包括临床记录、实验室结果、生理信号和医学图像。我们使用经过校准的 AgentClinic 协议评估临床推断能力，并使用虚拟病例多样性 (VCD) 评分评估病例多样性。 CaseWeaver 在这两个指标上都优于通用模型和代理工作流程基线，产生更加多样化和连贯的多模式虚拟临床病例。