Evo-RAD：通过自进化代理检索导航罕见视网膜疾病诊断

大规模预训练基础模型在通用医疗筛查中表现优异，但在罕见病诊断上常因数据稀缺而失效。传统检索增强方法易受“中心性”问题困扰，检索到视觉相似但语义错误的常见病例。为此，本文提出 Evo-RAD，一种自进化代理框架，将证据获取转化为动态决策任务。该方法将检索建模为马尔可夫决策过程，基于图的代理通过删除不一致证据、插入病理一致样本或终止进化来优化支持集。实验表明，该方法在罕见病诊断上显著优于现有基础模型及检索微调方法。