通过与临床世界模型交互在 LLM 中实现患者动态的代理化

针对 ICU 脓毒症管理中需根据患者生理快速变化做出序列治疗决策的挑战，本文提出 SepsisAgent。该智能体结合学习的临床世界模型，模拟候选干预下的患者反应，并遵循“提议 - 模拟 - 优化”工作流生成处方。通过三阶段课程训练，SepsisAgent 在 MIMIC-IV 数据集上优于传统强化学习及基于 LLM 的基线，同时在指南依从性和安全性指标上表现最佳。研究表明，与世界模型的反复交互使智能体能习得患者演化规律。