【论文笔记•（多智能体）】A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making
1 一句话总结
本文提出KAMAC（知识驱动的自适应多智能体协作框架），旨在解决现有大语言模型（LLMs）多智能体协作在医疗决策中存在的静态预分配角色局限，通过初始咨询、知识驱动协作讨论（动态检测知识缺口并招募专家）和最终决策三阶段，实现灵活可扩展的跨专科协作；在 MedQA 和 Progn-VQA 两大医疗基准数据集上，KAMAC 基于 GPT-4.1-mini 和 DeepSeek-R1 模型，在准确率（Acc）、精确率（Prec）等四项核心指标上显著优于单智能体和先进多智能体方法（如 MDAgents），尤其在癌症预后等复杂临床场景中表现突出，且平均专家招募数量比 MDAgents 低 53%-56%，兼具高准确性与成本效益。
2 论文基本信息
🏫单位：穆罕默德·本·扎耶德人工智能大学
🔖会议：EMNLP 2025 Main
⏰阅读时间：2025.12.14
🛤️论文地址：A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making - ACL Anthology
🔠代码：XiaoXiao-Woo/KAMAC: A Knowledge-driven Adaptive Collaboration of LLMs for Enhancing Medical Decision-making
3 研究的核心问题和背景
- 医疗决策特性：诊断、预后等临床任务需整合多专科知识，传统依赖多学科团队（MDTs），而 LLMs 凭借强推理能力在医疗决策中展现潜力。
- 现有技术瓶颈：
- 单智能体：难以覆盖复杂跨专科知识；
- 多智能体协作（如 MDAgents、多数投票）：采用静态预分配角色，无法动态检测知识缺口（KG），协作易陷入孤立观点堆砌，适配性不足。
- 研究目标：提出自适应多智能体框架，实现专家团队动态扩展，提升医疗决策的准确性与灵活性。
4 框架及具体实现
如上图所示，框架主要包含三个阶段，总结如下表所示：
4.1 初始咨询
在此阶段，会给一个临床问题 Q，KAMAC 首先从一个预定义的专家库中招募一个或多个专家代理👨⚕️来执行初始查询。每个代理有不同的临床角色，这有提示词P 1 P_{1}P1设置。然后由提示词P 2 P_{2}P2来指示专家代理独立分析问题，产生诊断意见或治疗建议。
4.2 知识驱动协作讨论
专家代理之间进行多轮讨论，每轮讨论开始时，专家交换他们的观点，使用代理交互提示P 3 P_{3}P3让他们互相批评对方的回答，逐步解决分歧。在每轮讨论结束时，专家会被提示评估是否存在知识缺口（knowledge gap），如果有这种缺口，那么会继续针对性的招募专家来解决发现的不足。新招募的代理接收当前讨论的上下文历史作为少样本学习输入，并相应一开始的问题。
在整个讨论的过程中，所有的代理都通过提示词P 6 P_{6}P6来更新各自的推理。整个过程一个持续到达到以下两个条件中的其中一个条件：
1️⃣通过使用提示词P 3 P_{3}P3达成共识。
2️⃣达到最大讨论次数。
4.3 决策制定
在最后阶段，KAMAC调用一个调节代理(通常是一个通用的大型语言模型)来生成最终决策。主持人接收代理的最新评论集和完整的讨论历史，并通过决策提示合成响应(P 7 P_{7}P7)。
5 实验
5.1 数据集
1️⃣MedQA：为医学选择题，涵盖多科医疗知识，使用测试集中的 1273 个样本。
2️⃣Progn-VQA：为医学视觉问答对，头颈部癌症 CT 影像 + 结构化临床数据（如 TNM 分期、治疗方案），使用测试集中的 750 个样本。
5.2 实验细节
- 模型：主要使用 GPT-4.1-mini（温度 = 0，确保确定性输出），额外验证 DeepSeek-R1；
- 对比方法：单智能体（含 CoT）、多数投票（5 名专家）、共识法、MDAgents（问题驱动招募）；
- 关键参数：最大讨论轮数 R=3，初始专家数 = 1。
5.3 评估指标
5.4 实验结果
1️⃣使用GPT-4.1mini 的结果：
2️⃣使用DeepSeek-R1和GPT-4.1-mini对MedQA和program - vqa进行基线和KAMAC在四个指标及其平均值上的性能比较：
3️⃣初始代理数量的设置比较：
这表明，一开始就引入多个代理可能效果并不好，会在早期引入重叠或不相关的视角，从而增加后续决策中的冗余和噪声。
