ActiveMedAgent：面向多模态医疗诊断的成本感知轨迹学习

ActiveMedAgent: Cost-Aware Trajectory Learning for Multimodal Medical Diagnosis

AI 导读

ActiveMedAgent 提出一种成本感知的序贯诊断框架，在冻结的 API 视觉语言模型上追踪候选诊断概率分布，并按每步诊断效用减去成本对证据采集打分，再用轻量 MLP 控制器离线学习何时追加证据、何时给出结论。在三个常用基准上，基于轨迹的策略学习持续优于无引导采集和全模态基线；研究还发现信息过载效应，175 个案例中智能体用更少通道即得出正确诊断，而全模态基线失败。

正文 · AI 翻译

查看 PDF HTML（实验性）

摘要：临床诊断本质上是顺序性的：临床医生只有在预期额外证据能够解决诊断不确定性时，才会从廉价检查逐步升级到昂贵检查。我们提出 ActiveMedAgent，一个将这种成本感知的顺序逻辑引入多模态医学 AI 的框架。给定一个冻结的、通过 API 访问的视觉语言模型，ActiveMedAgent 跟踪候选诊断上的概率分布，并根据每一步的诊断效用减去成本对每次采集进行评分。随后，一个轻量级 MLP 控制器在这些已评分的轨迹上进行离线训练，学习何时请求额外证据以及何时做出判断。在三个常用基准上，基于轨迹的策略学习始终优于无引导采集和全模态基线。值得注意的是，我们发现了一种信息过载效应。在 175 个案例中，智能体使用更少的通道即可产生正确诊断，而全模态基线却失败，这表明学会省略什么与学会采集什么同样重要。

评论：	EMNLP 2026
主题：	机器学习（cs.LG）；人工智能（cs.AI）；计算与语言（cs.CL）；计算机视觉与模式识别（cs.CV）；多媒体（cs.MM）
引用为：	arXiv:2610.11140 [cs.LG]
	（或 arXiv:2610.11140v1 [cs.LG] 用于此版本）
	https://doi.org/10.48550/arXiv.2610.11140 arXiv 颁发的 DOI 通过 DataCite（待注册）

提交历史

来自：Xiaofeng Liu [查看电子邮件]
[v1] 2026年10月8日星期四 03:06:11 UTC（459 KB）

来源：arXiv cs.AI · arxiv.org