摘要
针对 PET 诊疗中数据稀缺、信息异构及幻觉问题,本文提出 TheraAgent 框架。其核心创新包括:基于置信度加权共识的多专家特征提取;能从累积病例中学习预后模式的自进化智能体记忆(SEA-Mem),支持小样本下的案例推理;以及整合临床试验证据的证据校准推理机制。实验表明,该框架在真实与合成数据上均显著优于现有医疗智能体,为可信 AI 诊疗提供了新范式。
AI 推荐理由
论文核心创新为自进化记忆机制,通过积累病例实现自我改进与持续学习。
研究机构
复旦大学
伯恩大学
南京大学
论文信息