【ICLR26-金玥明-新国立】MedAgent-Pro：通过推理智能体工作流实现基于证据的多模态医疗诊断

文章：MedAgent-Pro: Towards Evidence-based Multi-modal Medical Diagnosis via Reasoning Agentic Workflow

单位：新加坡国立大学、牛津大学、哈尔滨工业大学（深圳）、国防科技大学、浙江大学医学院附属第二医院

现代临床诊断需要结合文字病历、医学影像等多模态信息，医生会按照权威医疗指南，通过定性观察+定量分析的标准化步骤做出判断，每一步都有临床证据支撑。但目前主流的医疗AI模型，却存在诸多明显短板：

简单来说，现有医疗AI做诊断，更像"凭感觉猜答案"，而不是像医生一样"步步有据做判断"，这也让AI在临床落地中面临诸多阻碍。

为了让AI复刻医生的临床诊断逻辑，研究团队提出的MedAgent-Pro打造了分层级的推理工作流，核心是"疾病层面标准化规划+患者层面个性化推理"，并融入检索增强、定量分析、证据验证三大关键设计，让每一步诊断都有依据、可验证。

内置RAG检索增强智能体，对接包含上千种疾病、4000+篇专家评审文献的医疗知识库，收到疾病诊断需求后，会精准检索对应的权威医疗指南，提炼核心临床指标，搭配预设的专业工具集，生成一套标准化的诊断步骤，明确每一步该用什么工具、分析什么对象、得到什么结果，让诊断有"标准化流程可依"。

针对具体患者的多模态数据（影像、病历、体征等），系统会先筛选出可执行的诊断步骤，再依次执行：

调用专业工具做定量分析：如用图像分割模型定位眼底视神经、用计算模块算出杯盘比，用三维影像分析模型计算左心室射血分数，解决了传统模型不会算临床指标的问题；
加入证据验证机制：每一步推理后都会评估结果可靠性，靠谱的结果才会作为下一步的证据，不靠谱则直接终止推理，避免错误传递；
结构化融合结果：按临床指南为各指标分配权重，通过加权计算得出风险分数，结合阈值给出最终诊断，而非让模型直接对原始指标做判断，提升结果的科学性。

整体而言，MedAgent-Pro不再是"直接给答案"，而是像医生一样，"按指南定流程→按流程做分析→按证据推结论"。

研究团队在多类权威数据集上开展了全面实验，涵盖青光眼、心脏病等单病种诊断，以及胸部X光、多模态影像的多疾病诊断，对比了主流视觉语言模型、现有医疗智能体、任务专用模型，同时邀请临床专家做人工评估，结果表现亮眼：

对比主流VLM：在青光眼、心脏病诊断上，比GPT-4o的平衡准确率分别提升34%、21%，F1分数分别提升55.3%、44.2%；在胸部X光诊断的12个子任务中，平均性能提升13.7%；
对比现有医疗智能体：在REFUGE2、MITEA、NEJM等数据集上，全面超越MedAgents、MMedAgent等系统，解决了这类模型无法处理复杂多模态诊断的问题；
对比任务专用模型：即使是零样本状态，在青光眼诊断上的AUC、平衡准确率等指标，仍超越REFUGE2挑战赛的优胜模型，实现了"通用框架媲美专用模型"；
临床专家评估：在诊断相关性、全面性、可靠性、推理连贯性等5个维度，评分均远高于其他模型，且诊断步骤与医生对疾病的临床复杂度判断高度契合，流程贴合真实临床场景。

MedAgent-Pro通过分层级的推理工作流和证据化的设计，让医疗AI真正实现了"像医生一样步步有据做诊断"，大幅提升了多模态医疗诊断的精准性和临床适配性，为AI在临床诊断中的实际落地迈出了关键一步。