arXiv cs.AI· Hongkang Chu, Yifan Shen, Tianjiao Yu, Zhuoqing Zhong, Jianguo Cao, Meihuan Huang, Xu Cao·· 11 小时前AI 评分38
MedCaseAgent：从多模态临床证据生成罕见病病例报告
MedCaseAgent: From Multimodal Clinical Evidence to Rare Disease Case Reports
AI 导读
MedCaseAgent 是一个端到端智能体推理框架，可从非结构化临床记录生成达到发表质量的罕见病病例报告，通过分层结构结合患者级数据挖掘与工具集成的迭代推理，动态查询医学文献和知识库以评估病例新颖性。
正文 · AI 翻译
摘要：尽管大型语言模型（LLMs）在临床文档记录方面已展现出潜力，但要为前所未见、非典型及罕见疾病病例报告生成所需的严谨、基于证据的推理，仍是一项重大挑战。我们提出 MedCaseAgent，这是一种端到端的智能体推理范式，通过从非结构化临床记录中合成达到发表质量的报告来弥合这一差距。MedCaseAgent 采用分层结构，将患者层面的数据挖掘与迭代式、工具集成的推理相结合。通过动态查询医学文献和知识库，该智能体保持了高度的临床保真度并评估病例的新颖性。该框架本质上是模块化的，能够以即插即用的方式支持多种骨干 LLM。为促进这项研究，我们发布了 MedCase-150K，一个大规模多模态临床病例报告语料库，以及 MedCase-Bench，一个稳健的时间留出评估套件。我们还推出一个从 Qwen3.5-9B 后训练并针对此任务专门优化的开源模型。在 LLM 评判和基于规则的评估下，MedCaseAgent 均优于现有的通用及专业医学 LLM 和智能体。盲法专家评审和消融实验进一步支持了该系统的临床相关性和证据基础。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.32258 [cs.AI] |
| （或 arXiv:2610.32258v1 [cs.AI] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.32258 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Xu Cao [查看邮箱]
[v1]
2026年10月23日星期五 07:14:59 UTC（6,686 KB）
来源：arXiv cs.AI · arxiv.org