SCOPE-AD：具有基于能量的诊断代理模型的顺序成本感知序数置信规划

阿尔茨海默病 (AD) 诊断需要在不同的测试成本和患者负担下连续获取证据。固定模式预测因子不会共同决定进行哪种测试或何时可用证据足以诊断。我们提出 SCOPE-AD（具有基于能量的诊断代理模型的顺序成本感知有序信念规划），用于对认知正常 (CN)、轻度认知障碍 (MCI) 和 AD 病例进行成本感知分类。掩模感知序数模型表示沿有序 CN-MCI-AD 连续体的不确定性。回顾性训练记录为能量型教师提供了抽样贝尔曼目标，其行动分布被提炼成 Qwen 策略。在部署时，Agent在可用性和预算限制下选择获取或诊断操作，而无需访问未获取的值。每次获取后，证据和顺序信念都会在下一个决定之前更新。在 ADNI 上，SCOPE-AD 以 50.46 美元的平均采购成本实现了 77.70% Macro-F1，比最强评估基线高出 9.34 个百分点。全模态评估仅将 Macro-F1 提高了 1.89 分，同时使采购成本增加了 116.7 倍。这些结果支持选择性采集以实现具有成本效益的诊断。