从单个的llm创造多个会话来模拟医生到创建agent来管理，然后演变为多个agent互相协调，最后提出不应该用LLM 工作流来评估这个工作流程，而是使用AI加医生

系统实现流程

dd811ed644ec7860959cadb2540a139a

使用的测试集

类别 数据集 输入形式 大致考察什么
Medical Knowledge Retrieval MedQA 文本 医学执照考试/临床医学知识与推理
PubMedQA 文本 基于 PubMed 文献进行医学研究问答
Path-VQA 图像 + 文本 病理图像问答
PMC-VQA 图像 + 文本 医学论文中的图片 + 文本问答
MedVidQA 视频 + 文本 医学视频理解与问答
Clinical Reasoning & Diagnostic DDXPlus 文本 症状 → 疾病诊断
SymCat 文本 症状 → 疾病
JAMA 文本 JAMA 临床病例诊断
MedBullets 文本 医学教育/临床推理题
MIMIC-CXR 图像 + 文本 胸部 X-ray 医学影像诊断

step1：复杂度分析

由Moderator来判断

简单问题：

“这张胸片有没有肺部异常？”

这种问题图像特征比较明显且不需要复杂医学推理，一个 agent 可能就能回答

那么复杂度检查后可能认为：低复杂度 → 少量 agent （这个MD系统写提示词）→ 快速回答

复杂问题：

“患者有这些症状，结合 CT 图像，判断最可能的诊断，并解释鉴别诊断依据。”

这种问题：涉及多个医学知识领域、需要图像分析、需要推理、需要排除其他疾病，所以可能需要多个agent

那么复杂度检查后可能认为：高复杂度 → 调用更多 agent （这个MD系统写提示词）→ 让不同角色协作

step2：专家招募

程序设定最多招募几个llm扮演的专家（论文中最多设置了五个），由Moderator进行思考招募几个专家。

step3：提交初始建议

由LLM扮演的专家进行答案的推送

step4：合作讨论

这里GP moderator并不参与。由于各个llm的上下文严格意义上是各自独立封存的。这个时候需要把所有的上下文都放到全局变量中，由各个llm进行访问。这样就形成了合作讨论的环节。论文里设定了最多讨论五个turn（可以更改）

step5：审查与最终讨论

当上一步设置的轮数有确切的答案。输出最终答案

如果没有确切的答案，那么moderator介入讨论进行信息整合

大概过程如下：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
Initial Assessment
      ↓
Round 1
 ├─ Turn 1
 │    ├─ Agent A 是否想讨论？
 │    ├─ Agent B 是否想讨论？
 │    └─ ...
 ├─ Turn 2
 ├─ Turn 3
 ├─ Turn 4
 └─ Turn 5
      ↓
Round 2   （产生并累积新的 interaction_log，并记录这一轮专家之间实际发生的交流内容。作为后续 Round 的讨论依据。）
 ├─ Turn 1
 ├─ ...
 └─ Turn 5
      ↓
...
      ↓
Round 5
 ├─ Turn 1
 ├─ ...
 └─ Turn 5
      ↓
专家各自给出 Final Answer
      ↓
Moderator
      ↓
根据所有 Agent 的 Final Answers
进行最终决策（majority vote）
      ↓
Final Decision