免费视频 清华首个 AI 病院小镇来了！AI 医师自进化打败东谈主类群众，数天诊完 1 万名患者

【新智元导读】清华团队竟把病院搬进了 AI 寰宇！首个 AI 病院小镇 ——Agent Hospital免费视频，不错十足模拟医患看病的全历程。更遑急的是，AI 医师不错自主进化，仅用几天的时辰调养梗概 1 万名患者。

斯坦福 AI 小镇曾火遍了全网，25 个智能体生涯交友，号称施行版的「西部寰宇」。

而当今，AI「病院小镇」也来了！

最近，来自清华团队的相干东谈主员竖立了一个名为「Agent Hospital」的模拟病院。

论文地址：https://arxiv.org/pdf/2405.02957

在这个捏造寰宇中，系数的医师、照料、患者齐是由 LLM 开动的智能体，不错自主交互。

它们模拟了系数诊病看病的过程，包括分诊、挂号、相干、检讨、诊断、调养、随访等才气。

而在这项相干中，作家的中枢主意是，让 AI 医师学会在模拟环境中调养疾病，况且或者竣事自主进化。

由此，他们竖立了一种 MedAgent-Zero 系统，或者让医师智能体，束缚从收效和失败的病例积聚警戒。

值得一提的是，AI 医师不错在几天内完成对 1 万名患者的调养。

而东谈主类医师需要 2 年的时辰，才能达到雷同的水平。

另外，进化后的医师智能体，在涵盖主要呼吸谈疾病的 MedQA 数据集子集上，竣事高达 93.06% 的最新准确率。

不得不说，AI 进化在捏造寰宇中缄默进化，真有淘汰东谈主类之势。

有网友清晰，「AI 模拟将探索东谈主类根柢没无意辰，或能力探索的谈路」。

设想一下，数千家全自动化病院，将会救援数百万东谈主的人命。这很快就会到来。

首个 AI 病院小镇登场

其实，智能体，早已成为业界看好的一个界限。

非论是在捏造寰宇中的模拟，仍是或者搞定实质任务（比如 Devin）的智能体，齐将给咱们寰宇带来剧变。

干系词，这些多智能体频繁用于「社会模拟」，或者「搞定问题」。

那么，是否有将这两种能力纠合起来的智能体？

也即是说，社会模拟过程能否，普及 LLM 智能体在特定任务的进展？

受此启发，相干东谈主员竖立了一个险些涵盖系数医学界限的调养历程的模拟。

如同单机游戏《主题病院》的寰宇

Agent Hospital 中模拟的环境，主要有两类主体：一是患者，一是医疗专科东谈主员。

它们的变装信息，齐是由 GPT-3.5 生成，不错无尽膨大。

比如，下图中，35 岁患者 Kenneth Morgan 有急性鼻炎，而他的病史是高血压，刻下的症状是握续吐逆，有些泻肚、反复发热、腹痛、头痛，而且颈淋趋奉肿大。

再来看 32 岁内科医师 Elise Martin，具备了出色的疏通能力，以及奢靡同理心的督察能力。

她主要的职责是，为患有多样急性病和慢性病的成年患者提供诊断、调养和驻防保健事业。

ZhaoLei 是一位擅长解读医学图像的辐射科医师，还有前台管待员 Fatoumata Diawara。

下图中展示的是，Agent Hospital 内有多样问诊室和检讨室，因此需要一系列医疗专科智能体使命。

相干东谈主员狡计了免费视频，14 名医师和 4 名照料。

医师智能体被狡计来诊断疾病并制定详备的调养计较，而护千里着松弛能体则专注于分诊，救助畴前调养打扰。

AI 患者怎样看病？

与信得过寰宇看病的历程雷同，当患者生病后，就会去病院挂号就诊。

在此时代，它们还会资格一系列阶段，包括检讨、分诊、诊断、诊断、调养。

患者在拿到调养决策后，LLM 会匡助猜想患者的健康景况变化。一朝康复，它便会主动向病院申诉进行随访。

如下是 Kenneth Morgan 赶赴病院就诊的暗示图。

最初是，分诊照料 Katherine Li 对 Morgan 进行了初步的评估，并将他分诊到皮肤科就诊。

随后，Morgan 在病院柜台进行登记，被安排与皮肤科医师 Robert Thompson 进行诊断。

在完成标准的体检之后，AI 医师为 Morgan 开出药物调养，并敦促回家休息，同期还要监测病情的改善情况。

AI 医师自我超进化，无需手动标志数据

在模拟环境中，相干东谈主员但愿试验一个纯属的医师智能体，来处理诸如诊断、调养等医疗任务。

传统的递次是，将巨量的医学数据喂给 LLM / 智能体，经过预试验、微调、RAG 之后，以构建高大的医学模子。

最新相干中，作家淡薄了一种新计策 —— 在捏造环境中模拟医患互动，来试验医师智能体。

在这个过程中，相干东谈主员莫得使用手动标志数据，因此最新系统被定名为 MedAgent-Zero。

这一计策包含了两个遑急的模块，即「病历库」和「警戒库」。

诊疗收效的案例被整理，并存储在病历库中，行动今后医疗打扰的参考。

而关于调养失败的情况，AI 医师有包袱反想、分析诊断不正确的原因，网网网色婷婷追想出引导原则，行动后续调养过程中的警示。

简言之，MedAgent-Zero 不错让生智能体通过与患者智能体互动。

通过积聚收效案例的记载，和从失败案例中获取警戒，进化成更优秀的「医师」。

系数自我进化历程如下：

1）积聚实例，追想警戒；

2）获胜向示例库添加正确的响应；

3）追想造作的警戒，并重新测试；

4）将收效警戒进一步笼统后，纳入警戒库；

青萆橾在线视频

5）在推理过程中专揽两个库检索最相似的内容进行推理。

艰难的是，由于试验本钱低，效果高，医师智能体不错精炼支吾数十种情况。

比如，智能体不错在短短几天内处理数万个病例，而施行寰宇的医师需要几年的时辰才能完成。

诊断呼吸疾病，准确率高达 93.06%

接下来，相干东谈主员进行了两类实验，来考据 MedAgent-Zero 计策变嫌的医师智能体，在病院中的灵验性。

一方面，在捏造病院内，作家们进行了从 100-10000 个智能体的交互实验（东谈主类医师一周可能会调养约 100 名病东谈主），涵盖了 8 种不同的呼吸疾病、十几种医疗检讨，以及每种疾病的三种不同调养决策。

通过 MedAgent-Zero 计策试验的医师智能体，在处理模拟病东谈主的过程中束缚自我进化，最终在检讨、诊断和调养任务中的准确率分袂达到了 88%、95.6% 和 77.6%。

跟着样本的束缚扩增，MedAgent-Zero 的试验性能，在达到一定量时趋于沉静。

在检讨、诊断、调养三个任务方面上的性能，MedAgent-Zero 也跟着样本增多，束缚波动，但合座准确性呈现出上涨趋势。

再看如下三张图，分袂展示了不同疾病的检讨精度、诊断精准度、以及调养精度，跟着样本的增多，也在沉静攀升。

另一方面，相干者让进化后的医师智能体，进入了对 MedQA 数据集子集的评估。

令东谈主诧异的是，即使莫得任何手动标注的数据，医师智能体在 Agent Hospital 中进化后，也竣事了起首进的性能。

在警戒积聚上，图 11、图 12 和图 13 分袂披露了，检讨、诊断和调养任务中，经过考据警戒和造作谜底的积聚。

当试验样本增多时，警戒数和造作谜底数齐缓缓增多。

如图所示，警戒弧线低于造作谜底弧线，原因是智能体无法响应系数失败的警戒。此外，诊断警戒比其他任务更容易积聚。

通盘来看个案例相干。

下表中讲明了，警戒库、病理库和 MedAgent-Zero，在患者诊疗中的三个任务上的性能。

在得知病东谈主症状之后，AI 医师不仅需要使用病历库，同期还需要警戒库，也即是相得益彰。

淌若少了其中的一方，便会导致诊断准确性的着落。

如下，通过添加警戒和记载，MedAgent-Zero 针对系数 3 个任务齐给出了正确的复兴。

以上终局标明，模拟环境不错灵验地匡助 LLM 智能体在处理特定任务时完成进化。

MedAgent-Zero 在使用 GPT-3.5 时，比 SOTA 递次 Medprompt 跳动 2.78%，在使用 GPT-4 时比 SOTA 递次 MedAgents 跳动 1.39%。

这一终局考据了新模子有助于，在莫得任何 MedQA 试验样本的情况下，仅使用模拟文档和医疗文档进行智能体进化，从而灵验提高医师智能体的医疗能力。

其次，基于 GPT-4 的 MedAgent-Zero 的最好性能为 93.06%，优于 MedQA 数据逼近的东谈主类群众（约 87%）。

第三，基于 GPT-4 的医师智能体比基于 GPT-3.5 的任何其他递次齐进展得更出色，这标明 GPT-4 在医疗界限更高大。

另外，在对 MedAgent-Zero 进行的消融相干中，

同期专揽「病历库」和「警戒库」的 MedAgent-Zero 取得了最好性能，标明这两个模块对诊断的匡助。

跟着病例的积聚和警戒库的扩大，医师智能体准确率总体上越来越高。

非论是使用 GPT-3.5 仍是 GPT-4，使用 8000 个病例积聚的警戒库，其性能齐高于使用 2000/4000/6000 个病例的性能。

不外，警戒库越大并不老是越好，因为相干者还发当今 2，000-4，000 个案例之间有显豁的着落。

局限性

终末，相干东谈主员还提到了这项相干的局限性。

- 只继承 GPT-3.5 行动 Agent Hospital 和评估的模拟器

- 由于智能体之间的交互过甚演化波及 API 调用，AI 病院的运作效果受到 LLM 生成的摈弃

- 每个患者的健康记载和检讨终局，是在莫得界限常识的情况下，模拟信得过的电子健康记载生成的，但仍与施行寰宇的记载仍存在一些各别。

在明天，相干者们对 Agent Hospital 的计较将会包括：

第一，扩大界限遮蔽的疾病范围，蔓延到更多的医疗科室，旨在响应信得过病院提供的全面事业，以供进一步相干。

第二，在加强智能体社会模拟方面，比如纳入医疗专科东谈主员的全面晋升轨制、随时辰改变疾病的漫衍、纳入病东谈主的历史病历等。

第三，优化基础 LLM 的聘任和实施，旨在通过专揽功能高大的开源模子，更高效地扩充系数模拟过程。

参考尊府：

https://x.com/emollick/status/1787896361276571660

本文来自微信公众号：新智元 （ID：AI_era）

告白声明：文内含有的对外跳转运动（包括不限于超运动、二维码、口令等阵势），用于传递更多信息，简约甄选时辰，终局仅供参考免费视频，IT之家系数著作均包含本声明。