A Demonstration of Adaptive Collaboration of Large Language Models for Medical Decision-Making

要約

医療意思決定 (MDM) は、臨床医が複雑なマルチモーダルな患者データを、多くの場合共同して評価する必要がある多面的なプロセスです。
大規模言語モデル (LLM) は、膨大な医学知識とマルチモーダルな健康データを統合することで、このプロセスを合理化することを約束します。
ただし、単剤は多くの場合、適応性があり、協力して問題解決を行う必要がある微妙な医療状況には適していません。
当社の MDAgent は、タスクの複雑さに基づいてコラボレーション構造を LLM に動的に割り当て、現実世界の臨床コラボレーションと意思決定を模倣することで、このニーズに対応します。
このフレームワークは、診断の精度を向上させ、複雑な現実世界の医療シナリオにおける適応的な対応をサポートし、さまざまな医療現場の臨床医にとって貴重なツールとなると同時に、静的なマルチエージェントによる意思決定よりもコンピューティングコストの点で効率的です。
作り方。

要約(オリジナル)

Medical Decision-Making (MDM) is a multi-faceted process that requires clinicians to assess complex multi-modal patient data patient, often collaboratively. Large Language Models (LLMs) promise to streamline this process by synthesizing vast medical knowledge and multi-modal health data. However, single-agent are often ill-suited for nuanced medical contexts requiring adaptable, collaborative problem-solving. Our MDAgents addresses this need by dynamically assigning collaboration structures to LLMs based on task complexity, mimicking real-world clinical collaboration and decision-making. This framework improves diagnostic accuracy and supports adaptive responses in complex, real-world medical scenarios, making it a valuable tool for clinicians in various healthcare settings, and at the same time, being more efficient in terms of computing cost than static multi-agent decision making methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google