arXiv cs.AI· Giulio Colombini, Matteo Falcioni, Mario Massimo, Francesco Durazzi, Marianna Santoro, Paolo Tubertini, Mirko Degli Esposti, Armando Bazzani·· 13 小时前AI 评分27
EpidemIA：用 AI 多智能体系统让临床医生通过自然语言调用流行病学模型
Can AI Agents Interface Clinicians and Complex Models?
AI 导读
研究团队开发了 EpidemIA，一个无需训练的 AI 多智能体系统（MAS），让用户通过自然语言对话调用流行病学预测模型并完成统计分析。系统以本地部署的开源权重 LLM 作为两个子智能体的骨干，可在单 GPU 工作站运行，避免向第三方传输敏感数据。基于 IRCCS Sant'Orsola（博洛尼亚）提供的急诊就诊数据集，该系统在多个典型用例上验证了从简单统计可视化到复杂动力学模型预测的能力。
正文 · AI 翻译
摘要：背景：当代医疗机构每天产生海量数据，其中包含对改善工作组织、规划和整体效率极为有用的信息。尽管在数学生物学、复杂系统物理学和数据科学领域，用于提取这些洞见的模型和技术已广为人知并不断发展，但临床医生和医院管理者对这些技术的采用仍然有限，主要原因是语言和方法论上的隔阂。
目标：在本文中，我们实现了一个 AI 多智能体系统（MAS），允许用户通过自然语言对话使用预测模型并进行统计分析。
方法：我们开发了 EpidemIA，一个无需训练的 MAS，配备了一套由人类专家编写的模块化流行病学模型，可在单 GPU 工作站上运行。为避免将敏感数据转发给第三方，该系统在本地使用开放权重 LLM 作为其两个子智能体的骨干。
结果：使用 IRCCS Sant'Orsola（博洛尼亚）提供给我们的急诊科就诊数据集，我们在几个典型用例上测试了该模型，展示了通过自然语言进行的简单查询即可执行较简单的统计分析和可视化，以及基于动力学模型的更复杂的流行病学预测的可能性。
结论：尽管仍是一个概念验证实现，EpidemIA 展示了基于 LLM 的技术作为复杂动力学模型广泛采用的赋能因素的变革能力，而目前这些模型的采用受到其陡峭学习曲线的阻碍。
| 评论： | 21 页，7 张图 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI） |
| ACM 分类： | I.2.11；J.3 |
| 引用为： | arXiv:2610.39681 [cs.MA] |
| （或 arXiv:2610.39681v1 [cs.MA] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.39681 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Giulio Colombini Ph.D. [查看电子邮件]
[v1]
2026 年 10 月 29 日星期四 09:28:15 UTC（760 KB）
来源：arXiv cs.AI · arxiv.org