SAGEAgent：一种用于多模态生存预测中成本感知模态获取的自进化智能体

针对多模态临床肿瘤学中诊断模态获取的次序性与负担问题，本文提出 SAGEAgent，一种基于大语言模型的自进化临床智能体。该智能体将模态获取建模为序列决策问题，通过临床工具转化数值预测、情景记忆检索相似病例及语义记忆积累决策模式，主动推理是否获取下一模态以平衡预测精度与侵入性。实验表明，该方法在保持竞争力的生存预测准确率同时，平均降低了 55% 的获取负担。