注册

PRISMATIC：面向多病共存用药的多智能体处方风险系统

论文AI 评分 72/100arXiv cs.AI待复核
AI 聚合

本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。

针对多病共存患者用药方案复杂、跨科室决策割裂导致处方错误的问题，研究者提出 PRISMATIC 多智能体架构。系统采用黑板结构，由代表不同工作流角色的专门智能体协作生成并迭代优化治疗方案：先从临床记录中结构化患者信息，再逐步产出安全、合理、可解释的用药方案。协作由两种自适应协调机制控制：DSWA 依据历史病例结果长期调整各智能体的影响权重，DFPC 则在当前病例中通过迭代反馈消除分歧与处方冲突。基于 MIMIC-IV 数据库患者记录的实验显示，与强 LLM 基线相比，该系统显著减少药物冲突、提升处方覆盖度与治疗一致性。

全文梳理

AI 摘要依据下方信源原文自动整理，非原文转载

要解决的临床协调失败

多病共存患者往往需要复杂的联合用药方案，而处方错误是这类人群的主要安全风险之一。论文把问题根源指向跨医学专科的决策碎片化：不同科室各自开药，缺少统一协调，最终可能引发药物不良事件与再入院。作者没有把这一现象当作单纯的药物知识问题，而是定义为一种协调失败，因此选择用多智能体协作的方式来重构临床共同治疗的流程。这一视角决定了后续系统设计的重点不在单个模型能力，而在于多个角色之间如何交换信息、如何收敛到一致方案。

黑板架构与两类协调机制

PRISMATIC 采用黑板架构，每个专门智能体对应一个工作流角色，共同参与治疗方案的生成与反复修正。流程上先处理临床记录，把患者信息整理成结构化形式，再在此基础上迭代产出安全、合理且可解释的用药方案。协作过程由两种机制约束：DSWA 属于长期机制，根据历史病例的结果调整各智能体的影响权重，使系统随时间推移更信任表现可靠的专科角色；DFPC 属于短期机制，针对当前这位患者，让智能体之间反复给出反馈，化解分歧并清除处方冲突。两者一个管跨病例的经验积累，一个管单病例内的即时一致性。

实验设置与结果

作者在 MIMIC-IV 数据库的患者记录上开展实验，对比对象是较强的 LLM 基线。结果显示，PRISMATIC 在三个方向上取得改善：药物冲突明显减少，处方覆盖度提高，治疗一致性增强。论文由此论证，把临床共同治疗组织成多智能体协调问题，是通向更安全、更连贯的多疾病管理的一条可行路径。需要注意的是，材料只给出相对基线的定性比较结论，未提供具体数值、消融结果或临床落地验证，因此其实际可用性仍待进一步评估。

为什么值得看

把临床协同用药建模为多智能体协调问题，并给出可复用的长短周期协调机制，对医疗 AI 与多智能体系统研究者都有参考价值。

智能体安全论文

信源1 家

  1. [1]arXiv cs.AI一手信源PRISMATIC : Prescription Risk Inspection System for Multi-Agent Treatment Interaction in Clinical Decision-Making

关键事实

  • 论文提出 PRISMATIC，一个让代表不同工作流角色的专门智能体协作生成并优化治疗方案的架构[1]

  • 系统运行在黑板架构上，先结构化临床记录中的患者信息，再迭代生成用药方案[1]

  • 两种协调机制为 DSWA（按历史病例结果长期调整智能体权重）与 DFPC（当前病例中迭代反馈消除处方冲突）[1]

  • 在 MIMIC-IV 数据库患者记录上的实验显示，相比强 LLM 基线，药物冲突减少、处方覆盖度与治疗一致性提升[1]

  • 论文提交于 2026 年 10 月 14 日，编号 arXiv:2610.19762，归入 cs.CL 与 cs.AI 分类[1]

相关 · 论文

DreamX 将预训练视频扩散模型改造为通用潜在动作学习器

11月4日 周三·AI 78

arXiv 论文提出「认知共生体」概念，主张 AI 增强人的智能

11月4日 周三·AI 58

独立复现 DNO-Prct：Llama 3.1 8B 对 GPT-4o 胜率升…

11月4日 周三·AI 72

研究提出 PEARL 方法，用于持久抑制语言模型的不对齐行为

11月4日 周三·AI 78

本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。

去论坛讨论