GraphDx：兼顾成本与准确率的多智能体临床诊断框架

arXiv 上发表的一项新研究提出 GraphDx，一个面向序列诊断任务的知识增强多智能体框架。该工作针对现有 LLM 医学方案中存在的「知识–推理鸿沟」——即模型虽编码了丰富的医学知识，却难以在成本约束下系统化推理、往往过度检查的问题，引入了两个核心创新。

核心方法：MDKG 与三智能体协作

GraphDx 的第一项贡献是一条自动化流水线，利用 LLM 构建「医学诊断知识图谱（Medical Diagnosis Knowledge Graphs, MDKG）」，其特点包括：

• 量化典型性：为知识图谱中的节点赋予典型性分值，衡量症状、检查与疾病之间的代表程度。
• 以动作为中心的拓扑结构：图谱以可执行的临床动作（如问诊、检查）为核心组织，而非单纯的知识关联。
• 双目标属性：每个动作同时带有「诊断相关性」与「成本敏感性」两类属性，便于在推理时做权衡。

第二项贡献是一个由三个协作智能体组成的系统：

• 感知智能体（Perception Agent）：负责自然语言理解与生成，处理医患对话或病历文本。
• 决策智能体（Decision Agent）：将推理结果转回自然语言，向用户输出后续行动建议。
• 推理智能体（Reasoning Agent）：在 MDKG 上执行确定性的证据打分与「成本感知」规划，是整个框架的计算核心。

推理智能体以图谱结构而非纯语言推理为基础，避免了 LLM 在长链决策中可能出现的发散与「检查过度」问题。

实验设置与结果

研究在两个常用基准上评估了 GraphDx：

• MedQA：医学问答数据集，覆盖常见临床选择题。
• MIMIC-IV：大型重症监护电子病历数据集，包含真实临床场景。

实验横跨三种 LLM 基座：DeepSeek-V3、Kimi-k2 与 Llama-3.3。结果显示：

• 诊断成功率：在不引入 GraphDx 时，三种基座仅能达到 50–68%；加入框架后，成功率提升至 79–93%。
• 测试成本：同时下降 20–54%，意味着在提高准确性的前提下，模型主动减少了冗余检查与提问。

此外，得益于推理智能体在显式图谱上的确定性计算，GraphDx 的决策过程更易追溯，相比纯 prompt 的 LLM 方案具备更好的可解释性，对临床应用的可靠性有所助益。

意义与局限

GraphDx 把「知识图谱 + 多智能体 + 成本约束」三者结合起来，为 LLM 进入真实临床工作流提供了一条相对务实的路径。它表明：在医疗这种高风险、资源敏感的领域，单纯依赖模型规模的扩展并不足以解决过度检查与可解释性问题；引入结构化知识与确定性规划，是当前更可行的工程化路线。

需要注意的是，该论文为 arXiv 预印本，尚未经过同行评审；实验覆盖的 LLM 基座也以近期开源或开放权重模型为主，未与闭源前沿模型（如 GPT、Claude、Gemini 系列）做直接对比，因此结果的外推性仍待更多独立验证。