多智能体协作驱动的多模态医疗大模型系统：RAG–KAG双路径知识增强与架构的设计与验证（上）多模态医疗大模型在医学影像解读与临床文本自动化生成方面展现了突破性的潜力，为智慧医疗的发展注入了强劲动力。然而，在面向真实世界、高风险的临床环境部署时，这类模型普遍面临三大核心挑战：一是多源异构数据（如影像、文本、波形、基因组学）的语义对齐与联合推理困难；二是其参数化知识受限于训练数据，难以实时更新，导致对最新指南、药品警示等信息的响应滞后，且生成过程缺乏可追溯的证据链条；三是临床决策流程复杂、安全边界严格，单一的生成式模型无法适配多角色协作、多系统集成以及高审计要求的医疗工作流。为系统性地应对上述挑战，