arXiv cs.AI· Tiancheng Bao, Riga Wu, Jan Wienhold, Sebastian Billig, Patrick Winnersbach, Hsuan-Chih Chen, Akis Giannoukos, Jiayang Li, Li Shen, Gary Weissman, Eduardo J. Mortani Barbosa Jr, Dyke Ferber, Jakob Nikolas Kather, Christos Davatzikos, Daniel Truhn, Tianyu Han·· 10 小时前AI 评分58
Decision2Care:可审计临床决策智能体在546例急诊入院中达到86.5%诊断准确率
Auditable Clinical Support with Decision Agents
AI 导读
研究团队提出 Decision2Care 决策智能体,不生成任何文本,而是由决策模型为每个允许的 EHR 操作分配概率、再用固定规则执行最可能的操作。在12种疾病、546例急诊入院记录上,其诊断准确率为86.5%,MIRA-v2 智能体为86.1%,单次检查中位耗时2.2秒,后者为92-100秒。
正文 · AI 翻译
作者:Tiancheng Bao、Riga Wu、Jan Wienhold、Sebastian Billig、Patrick Winnersbach、Hsuan-Chih Chen、Akis Giannoukos、Jiayang Li、Li Shen、Gary Weissman、Eduardo J. Mortani Barbosa Jr、Dyke Ferber、Jakob Nikolas Kather、Christos Davatzikos、Daniel Truhn、Tianyu Han
摘要:临床医生在审阅诊断检查过程时,会追问每一步考虑了哪些可能,以及评估为何发生变化。由自由文本驱动的智能体可以达到医生级别的诊断准确率,但其书面推理并不总能反映决策所依据的因素。在此,我们提出 Decision2Care,这是一种不生成任何文本即可对急重症患者进行病情检查的决策智能体。决策模型为每个允许的 EHR 操作分配概率,固定规则执行概率最高的操作。我们在 12 种疾病、546 例急诊入院患者的记录上评估了 Decision2Care。Decision2Care 的诊断准确率达到 86.5%,而 MIRA-v2 智能体为 86.1%;每次检查的中位耗时为 2.2 秒,而后者为 92-100 秒。每次检查都记录了 Decision2Care 在每一步所考虑的选项。在 12 种疾病中的 10 种里,鉴别诊断变化最大的环节正是指南据以作出诊断的那项检查。在 Decision2Care 单次检查后置信度最高的病例中,除 4 例外其余诊断均正确(98.5%)。我们将这 4 例错误逐一追溯到单份影像报告。其中 3 例在移除该报告后得到纠正。同样的决策方式也被用于选择治疗方案,Decision2Care 的用药医嘱被判定为符合指南的频率高于 MIRA-v2。在急诊患者中,其对死亡的预测与三位重症监护医生在相同病例上的预测相当。在八个重症监护队列中的五个里,它在记录后 2-6 小时内超过了三种 24 小时严重程度评分中的最佳者。我们的结果表明,决策智能体能够执行临床检查,同时记录每个操作背后的选项、概率和执行规则以供审计。
| 评论: | 74 页,6 张主图,19 张补充图 |
| 主题: | 人工智能(cs.AI) |
| 引用为: | arXiv:2611.23700 [cs.AI] |
| (或 arXiv:2611.23700v1 [cs.AI] 为此版本) | |
| https://doi.org/10.48550/arXiv.2611.23700 由 DataCite 颁发的 arXiv DOI(待注册) |
提交历史
来自:Tianyu Han [查看邮箱]
[v1]
2026 年 11 月 18 日星期三 01:43:35 UTC(2,997 KB)
来源:arXiv cs.AI · arxiv.org