Agent Hospital: A Simulacrum of Hospital with Evolvable Medical Agents

本文介绍了一个名为Agent Hospital的医院模拟器，它模拟了整个治疗过程。所有的病人、护士和医生都是由大型语言模型（LLMs）驱动的自主智能体。我们的核心目标是使医生智能体学会在模拟器中治疗疾病。为此，我们提出了一种名为MedAgent-Zero的方法。由于模拟器可以基于知识库和LLMs模拟疾病的发生和发展，医生智能体可以从成功和失败的案例中不断积累经验。模拟实验表明，医生智能体的治疗表现在各种任务中持续改善。更有趣的是，医生智能体在Agent Hospital获得的知识可以应用于真实的医疗基准测试。在治疗了约一万名患者后（真实世界的医生可能需要两年以上），进化的医生智能体在涵盖主要呼吸道疾病的MedQA数据集子集上实现了93.06%的最新准确率。这项工作为推进LLM驱动的智能体技术在医疗场景中的应用铺平了道路。

使用Agent Hospital模拟医院治疗过程，让医生代理自主学习如何治疗疾病。

提出了一种基于大型语言模型的方法MedAgent-Zero，使医生代理在Agent Hospital中进行模拟治疗，从而积累经验，不断提高治疗表现。

实验结果表明，医生代理的治疗表现在各种任务中持续提高，最终在真实数据集上达到了93.06%的准确率。这项工作为LLM-powered agent技术在医疗场景中的应用打下了基础。

与该研究相关的其他研究包括：《A survey on deep learning in medical image analysis》、《Deep learning for healthcare: review, opportunities and challenges》等。