基于证据集成语言代理的人机协同临床诊断推理

本文提出 PULSE，一种结合领域微调大模型与科学文献检索的医疗推理代理，旨在支持复杂真实病例的诊断决策。通过在 82 个真实内分泌病例上的基准测试，研究发现 PULSE 在诊断准确率上媲美资深专家，且在罕见病表现上优于人类医生。该代理展现出自适应推理能力，能随病例难度增加输出长度。人机协作实验表明，PULSE 虽能辅助医生修正错误并拓宽假设，但也引入了自动化偏见风险。研究揭示了语言模型代理在临床诊断中的潜力与局限。