论文提出可生成罕见病病例报告的智能体框架并开源模型与评测集。
资讯摘要
论文提出 MedCaseAgent，一种端到端智能体推理框架，可从非结构化临床记录合成达到发表质量的罕见病病例报告。该框架采用分层结构，结合患者级数据挖掘与迭代式工具集成推理，动态查询医学文献和知识库以保持临床忠实度并评估病例新颖性，且模块化设计支持多种骨干 LLM 即插即用。作者同时发布 MedCase-150K 多模态病例报告语料、MedCase-Bench 时间留出评测集，以及基于 Qwen3.5-9B 后训练的开源模型。作者报告其在 LLM 评判与规则评测中优于通用及专用医疗模型和智能体，盲审专家评审与消融实验支持其临床相关性与证据支撑。
要点速读
- MedCaseAgent 采用分层智能体结构，将患者级数据挖掘与迭代工具集成推理结合，动态查询医学文献与知识库。
- 作者发布 MedCase-150K 多模态临床病例报告语料与 MedCase-Bench 时间留出评测套件，并提供基于 Qwen3.5-9B 后训练的开源模型。
- 论文报告该框架在 LLM 评判和规则评测中优于现有通用与专用医疗 LLM 及智能体，盲审专家评审与消融实验支持其证据支撑。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/27 08:00:28（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。