Learning to Be A Doctor: Searching for Effective Medical Agent Architectures

要約

大規模な言語モデル（LLM）ベースのエージェントは、幅広いタスクにわたって強力な能力を実証しており、医療領域でのそれらの適用は、学際的知識への高い一般化と依存の需要のために特に有望です。
ただし、既存の医療エージェントシステムは、多くの場合、多様な診断要件に対応し、新たな臨床シナリオに適応する柔軟性を欠く静的で手動で作成されたワークフローに依存しています。
自動化された機械学習（Automl）の成功に動機付けられたこのペーパーでは、医療エージェントアーキテクチャの自動設計のための新しいフレームワークを紹介します。
具体的には、ノード、構造、およびフレームワークレベルでの構造化された変更を通じて、動的なワークフロー適応を可能にする階層的および表現エージェント検索スペースを定義します。
当社のフレームワークは、多様で機能的なノードタイプで構成されるグラフベースのアーキテクチャとして医療エージェントを概念化し、診断フィードバックによって導かれる反復的な自己改善をサポートします。
皮膚疾患の診断タスクの実験結果は、提案された方法がワークフロー構造を効果的に進化させ、時間の経過とともに診断の精度を大幅に向上させることを示しています。
この作業は、医療エージェントアーキテクチャ設計のための最初の完全に自動化されたフレームワークを表し、実世界の臨床環境にインテリジェントエージェントを展開するためのスケーラブルで適応性のある基盤を提供します。

要約(オリジナル)

Large Language Model (LLM)-based agents have demonstrated strong capabilities across a wide range of tasks, and their application in the medical domain holds particular promise due to the demand for high generalizability and reliance on interdisciplinary knowledge. However, existing medical agent systems often rely on static, manually crafted workflows that lack the flexibility to accommodate diverse diagnostic requirements and adapt to emerging clinical scenarios. Motivated by the success of automated machine learning (AutoML), this paper introduces a novel framework for the automated design of medical agent architectures. Specifically, we define a hierarchical and expressive agent search space that enables dynamic workflow adaptation through structured modifications at the node, structural, and framework levels. Our framework conceptualizes medical agents as graph-based architectures composed of diverse, functional node types and supports iterative self-improvement guided by diagnostic feedback. Experimental results on skin disease diagnosis tasks demonstrate that the proposed method effectively evolves workflow structures and significantly enhances diagnostic accuracy over time. This work represents the first fully automated framework for medical agent architecture design and offers a scalable, adaptable foundation for deploying intelligent agents in real-world clinical environments.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google