清华首个 AI 医院小镇来了!AI 医生自进化击败人类专家,数天诊完 1 万名患者

AI新闻3个月前发布 SUYEONE
355 0 0

【新智元导读】清华团队竟把医院搬进了 AI 世界!首个 AI 医院小镇 ——Agent Hospital,可以完全模拟医患看病的全流程。更重要的是,AI 医生可以自主进化,仅用几天的时间治疗大约 1 万名患者。

斯坦福 AI 小镇曾火遍了全网,25 个智能体生活交友,堪称现实版的「西部世界」。

而现在,AI「医院小镇」也来了!

最近,来自清华团队的研究人员开发了一个名为「Agent Hospital」的模拟医院。

论文地址:https://arxiv.org/pdf/2405.02957

在这个虚拟世界中,所有的医生、护士、患者都是由 LLM 驱动的智能体,可以自主交互。

它们模拟了整个诊病看病的过程,包括分诊、挂号、咨询、检查、诊断、治疗、随访等环节。

而在这项研究中,作者的核心目标是,让 AI 医生学会在模拟环境中治疗疾病,并且能够实现自主进化。

由此,他们开发了一种 MedAgent-Zero 系统,能够让医生智能体,不断从成功和失败的病例积累经验。

值得一提的是,AI 医生可以在几天内完成对 1 万名患者的治疗。

而人类医生需要 2 年的时间,才能达到类似的水平。

另外,进化后的医生智能体,在涵盖主要呼吸道疾病的 MedQA 数据集子集上,实现高达 93.06% 的最新准确率。

不得不说,AI 进化在虚拟世界中默默进化,真有淘汰人类之势。

有网友表示,「AI 模拟将探索人类根本没有时间,或能力探索的道路」。

想象一下,数千家全自动化医院,将会拯救数百万人的生命。这很快就会到来。

首个 AI 医院小镇登场

其实,智能体,早已成为业界看好的一个领域。

不论是在虚拟世界中的模拟,还是能够解决实际任务(比如 Devin)的智能体,都将给我们世界带来巨变。

然而,这些多智能体通常用于「社会模拟」,或者「解决问题」。

那么,是否有将这两种能力结合起来的智能体?

也就是说,社会模拟过程能否,提升 LLM 智能体在特定任务的表现?

受此启发,研究人员开发了一个几乎涵盖所有医学领域的治疗流程的模拟。

如同单机游戏《主题医院》的世界

Agent Hospital 中模拟的环境,主要有两类主体:一是患者,一是医疗专业人员。

它们的角色信息,都是由 GPT-3.5 生成,可以无限扩展。

比如,下图中,35 岁患者 Kenneth Morgan 有急性鼻炎,而他的病史是高血压,目前的症状是持续呕吐,有些腹泻、反复发烧、腹痛、头痛,而且颈淋巴结肿大。

再来看 32 岁内科医生 Elise Martin,具备了出色的沟通能力,以及富有同理心的护理能力。

她主要的职责是,为患有各种急性病和慢性病的成年患者提供诊断、治疗和预防保健服务。

ZhaoLei 是一位擅长解读医学图像的放射科医生,还有前台接待员 Fatoumata Diawara。

下图中展示的是,Agent Hospital 内有各种问诊室和检查室,因此需要一系列医疗专业智能体工作。

研究人员设计了,14 名医生和 4 名护士。

医生智能体被设计来诊断疾病并制定详细的治疗计划,而护理智能体则专注于分诊,支持日常治疗干预。

AI 患者如何看病?

与真实世界看病的流程一样,当患者生病后,就会去医院挂号就诊。

在此期间,它们还会经历一系列阶段,包括检查、分诊、会诊、诊断、治疗。

患者在拿到治疗方案后,LLM 会帮助预测患者的健康状况变化。一旦康复,它便会主动向医院汇报进行随访。

如下是 Kenneth Morgan 前往医院就诊的示意图。

首先是,分诊护士 Katherine Li 对 Morgan 进行了初步的评估,并将他分诊到皮肤科就诊。

随后,Morgan 在医院柜台进行登记,被安排与皮肤科医生 Robert Thompson 进行会诊。

在完成规定的体检之后,AI 医生为 Morgan 开出药物治疗,并敦促回家休息,同时还要监测病情的改善情况。

AI 医生自我超进化,无需手动标记数据

在模拟环境中,研究人员希望训练一个熟练的医生智能体,来处理诸如诊断、治疗等医疗任务。

传统的方法是,将巨量的医学数据喂给 LLM / 智能体,经过预训练、微调、RAG 之后,以构建强大的医学模型

最新研究中,作者提出了一种新策略 —— 在虚拟环境中模拟医患互动,来训练医生智能体。

在这个过程中,研究人员没有使用手动标记数据,因此最新系统被命名为 MedAgent-Zero。

这一策略包含了两个重要的模块,即「病历库」和「经验库」。

诊疗成功的案例被整理,并存储在病历库中,作为今后医疗干预的参考。

而对于治疗失败的情况,AI 医生有责任反思、分析诊断不正确的原因,总结出指导原则,作为后续治疗过程中的警示。

简言之,MedAgent-Zero 可以让生智能体通过与患者智能体互动

通过积累成功案例的记录,和从失败案例中获得经验,进化成更优秀的「医生」。

整个自我进化流程如下:

1)积累实例,总结经验;

2)直接向示例库添加正确的响应;

3)总结错误的经验,并重新测试;

4)将成功经验进一步抽象后,纳入经验库;

5)在推理过程中利用两个库检索最相似的内容进行推理。

难得的是,由于训练成本低,效率高,医生智能体可以轻松应对数十种情况。

比如,智能体可以在短短几天内处理数万个病例,而现实世界的医生需要几年的时间才能完成。

诊断呼吸疾病,准确率高达 93.06%

接下来,研究人员进行了两类实验,来验证 MedAgent-Zero 策略改进的医生智能体,在医院中的有效性。

一方面,在虚拟医院内,作者们进行了从 100-10000 个智能体的交互实验(人类医生一周可能会治疗约 100 名病人),涵盖了 8 种不同的呼吸疾病、十几种医疗检查,以及每种疾病的三种不同治疗方案。

通过 MedAgent-Zero 策略训练的医生智能体,在处理模拟病人的过程中不断自我进化,最终在检查、诊断和治疗任务中的准确率分别达到了 88%、95.6% 和 77.6%。

随着样本的不断扩增,MedAgent-Zero 的训练性能,在达到一定量时趋于平稳。

在检查、诊断、治疗三个任务方面上的性能,MedAgent-Zero 也随着样本增加,不断波动,但整体准确性呈现出上升趋势。

再看如下三张图,分别展示了不同疾病的检查精度、诊断精确度、以及治疗精度,随着样本的增加,也在平稳攀升。

另一方面,研究者让进化后的医生智能体,参加了对 MedQA 数据集子集的评估。

令人惊讶的是,即使没有任何手动标注的数据,医生智能体在 Agent Hospital 中进化后,也实现了最先进的性能。

在经验积累上,图 11、图 12 和图 13 分别显示了,检查、诊断和治疗任务中,经过验证经验和错误答案的积累。

当训练样本增加时,经验数和错误答案数都缓慢增加。

如图所示,经验曲线低于错误答案曲线,原因是智能体无法反映所有失败的经验。此外,诊断经验比其他任务更容易积累。

一起来看个案例研究。

下表中说明了,经验库、病理库和 MedAgent-Zero,在患者诊疗中的三个任务上的性能。

在得知病人症状之后,AI 医生不仅需要使用病历库,同时还需要经验库,也就是相辅相成。

若是少了其中的一方,便会导致诊断准确性的下降。

如下,通过添加经验和记录,MedAgent-Zero 针对所有 3 个任务都给出了正确的回答。

以上结果表明,模拟环境可以有效地帮助 LLM 智能体在处理特定任务时完成进化。

MedAgent-Zero 在使用 GPT-3.5 时,比 SOTA 方法 Medprompt 高出 2.78%,在使用 GPT-4 时比 SOTA 方法 MedAgents 高出 1.39%。

这一结果验证了新模型有助于,在没有任何 MedQA 训练样本的情况下,仅使用模拟文档和医疗文档进行智能体进化,从而有效提高医生智能体的医疗能力。

其次,基于 GPT-4 的 MedAgent-Zero 的最佳性能为 93.06%,优于 MedQA 数据集中的人类专家(约 87%)。

第三,基于 GPT-4 的医生智能体比基于 GPT-3.5 的任何其他方法都表现得更出色,这表明 GPT-4 在医疗领域更强大。

另外,在对 MedAgent-Zero 进行的消融研究中,

同时利用「病历库」和「经验库」的 MedAgent-Zero 取得了最佳性能,表明这两个模块对诊断的帮助。

随着病例的积累和经验库的扩大,医生智能体准确率总体上越来越高。

无论是使用 GPT-3.5 还是 GPT-4,使用 8000 个病例积累的经验库,其性能都高于使用 2000/4000/6000 个病例的性能。

不过,经验库越大并不总是越好,因为研究者还发现在 2,000-4,000 个案例之间有明显的下降。

局限性

最后,研究人员还提到了这项研究的局限性。

– 只采用 GPT-3.5 作为 Agent Hospital 和评估的模拟器

– 由于智能体之间的交互及其演化涉及 API 调用,AI 医院的运作效率受到 LLM 生成的限制

– 每个患者的健康记录和检查结果,是在没有领域知识的情况下,模拟真实的电子健康记录生成的,但仍与现实世界的记录仍存在一些差异。

在未来,研究者们对 Agent Hospital 的计划将会包括:

第一,扩大规模覆盖的疾病范围,延伸到更多的医疗科室,旨在反映真实医院提供的全面服务,以供进一步研究。

第二,在加强智能体社会模拟方面,比如纳入医疗专业人员的全面晋升制度、随时间改变疾病的分布、纳入病人的历史病历等。

第三,优化基础 LLM 的选择和实施,旨在通过利用功能强大的开源模型,更高效地执行整个模拟过程。

参考资料:

本文来自微信公众号:新智元 (ID:AI_era)

广告声明:文内含有的对外跳转链接(包括不限于超链接、二维码、口令等形式),用于传递更多信息,节省甄选时间,结果仅供参考,IT之家所有文章均包含本声明。

Source link

© 版权声明

相关文章

暂无评论

暂无评论...
☺一键登录开启个人书签等功能!