A Structured Debate-Mixture-of-Agents Framework for Complex Clinical Diagnostic Decision Support
研究人员开发了 Debate-Mixture-of-Agents(DMoA)框架,该框架通过结构化角色交互支持迭代诊断推理。在 297 个罕见病病例和 1,719 个挑战性病例的评估中,DMoA 相比 GPT-4o 基线将最可能诊断准确率提高了 10.21 个百分点,安全率提高了 11.36 个百分点。消融实验表明,性能提升源于结构化工作流而非单纯增加模型数量或输出长度。进一步分析显示,DMoA 在 4*2 结构、更强基线模型及更大 token 预算下表现更优。这些发现证明了 DMoA 在临床任务中的潜力,并建议进一步研究多智能体框架。