arXiv cs.AI· Yichen Wu, Kailong Fan, Sangjoon Park, Yuhan Liu, Zhiyi Shi, Sekeun Kim, Dania Daye, Hana Farzaneh, Xiang Li, Raul Uppot, Yujin Oh, Quanzheng Li·· 6 天前AI 评分22
CoMMa：贡献感知的医疗多智能体框架，实现去中心化肿瘤决策支持
CoMMa: Contribution-Aware Medical Multi-Agents for Decentralized Oncology Decision Support
AI 导读
研究者提出 CoMMa，一个去中心化 LLM 智能体框架，让专科智能体各自在分区的临床数据流上运行，并通过智能体专属微调强化角色专业化。该框架引入贡献感知聚合机制，用确定性嵌入向量投影替代随机叙事式推理来近似各智能体的边际效用，实现显式信用分配。CoMMa 在多个肿瘤学基准上评估，包括北美与东亚大型学术医院的真实多学科肿瘤委员会数据集及公开数据集，展现出跨异构临床环境的性能与泛化能力。
正文 · AI 翻译
作者：Yichen Wu、Kailong Fan、Sangjoon Park、Yuhan Liu、Zhiyi Shi、Sekeun Kim、Dania Daye、Hana Farzaneh、Xiang Li、Raul Uppot、Yujin Oh、Quanzheng Li
摘要：近期的多智能体框架在肿瘤学决策支持方面展现出前景，但大多假设数据可集中访问，并依赖基于提示的分配方式，限制了其在隐私敏感临床环境中的适用性。我们提出贡献感知医学多智能体（CoMMa），一个去中心化的 LLM 智能体框架，其中各专科智能体在分区的临床数据流上运行。与先前在智能体之间共享输入的方法不同，CoMMa 强制数据去中心化，以实现更强的角色专业化，并通过针对智能体的微调进一步增强这一点。为实现可靠且可解释的协调，我们引入一种贡献感知聚合机制，用确定性嵌入投影替代随机的、基于叙述的推理，以近似每个智能体的边际效用。这产生了对智能体的显式信用分配，提供了一条稳定且可解释的决策路径，符合临床需求。我们在多个肿瘤学基准上评估 CoMMa，包括来自北美和东亚大型学术医院的真实世界多学科肿瘤委员会数据集，以及公开数据集，在异构临床环境中展现出强劲的性能和泛化能力。
| 评论： | 9 页，5 幅图 |
| 主题： | 人工智能（cs.AI）；多智能体系统（cs.MA） |
| 引用为： | arXiv:2602.09159 [cs.AI] |
| （或 arXiv:2602.09159v3 [cs.AI] 对应此版本） | |
| https://doi.org/10.48550/arXiv.2602.09159 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Yichen Wu [查看邮箱]
[v1]
2026 年 2 月 9 日星期一 20:04:58 UTC（7,168 KB）
[v2]
2026 年 8 月 25 日星期二 01:03:48 UTC（5,070 KB）
[v3]
2026 年 10 月 8 日星期四 19:22:55 UTC（5,070 KB）
来源：arXiv cs.AI · arxiv.org