Medical Decision making Agents (MDAgents)

說明

Medical Decision making Agents (MDAgents) 由Kim等人提出的一個框架，希望透過多個大型語言模型組成醫療團隊，協助使用者提升醫療決策的效率以及正確性。這個框架模擬了現實世界中的醫療決策流程，會根據醫療任務的複雜程度來調整要採用單模型還是多模型協作的模式。

MDAgents 的操作流程分為四個階段

醫療複雜度檢查

• 先由一個主持人模型（扮演類似全科醫生）評估任務的複雜性，歸類為低、中、高三類。
• 定義：
  • 低複雜度：指直接、明確的醫療問題，可由單一初級醫師模型解決，例如常見的急性疾病或穩定的慢性病。
  • 中複雜度：涉及多個相互作用因素的醫療問題，需要跨領域團隊的協作，整合不同醫療知識領域並協調專科醫師。
  • 高複雜度：指需要綜合照護團隊廣泛協調和多方面專業知識的極其複雜醫療情境，通常涉及多種慢性病或複雜的創傷病例。

專家招募

• 由招募者模型進行，根據前一階段獲得的任務複雜度，決定要招募的醫療模型的大小：
  • 低複雜度：單一初級醫師模型
  • 中複雜度：多學科團隊
  • 高複雜度：綜合照護團隊

分析與合成 / 醫療協作與精進

• 低複雜度案例：單一初級醫師模型會採用「少樣本提示 (few-shot prompting)」等技術直接提供答案，無需迭代精進。
• 中複雜度案例：多學科團隊中的多個語言模型會透過迭代討論過程來達成共識。如果出現意見分歧，主持人模型會審查討論並為每個模型提供回饋。
• 高複雜度案例：綜合照護團隊會從各個領域整合資訊，生成全面的報告。這個分階段的方法，從初步評估團隊到各種診斷團隊，最終由最終審查與決策團隊匯集專業見解，形成連貫的敘述，以完成最終決策。

決策

• 由決策者語模型進行。根據複雜度級別，決策方式有所不同：
  • 低複雜度：直接使用初級決策語言模型的初始回應。
  • 中複雜度：整合所招募的語言模型之間的對話歷史，以理解其回應中的細微差別和分歧。
  • 高複雜度：考量多個模型生成的詳細報告，這些報告包含全面的分析和診斷建議的理由。

Reference

[Kim, Y., Park, C., Jeong, H., Chan, Y.S., Xu, X., McDuff, D., Breazeal, C. and Park, H.W., 2024. Adaptive Collaboration Strategy for LLMs in Medical Decision Making. arXiv preprint arXiv:2404.15155.]](https://dam-prod2.media.mit.edu/x/2024/08/12/2404.15155v1.pdf)