2025_NIPS_ClinicalLab: Aligning Agents for Multi-Departmental Clinical Diagnostics in the Real World

文章核心总结与创新点

主要内容

文章针对现有LLM医疗诊断基准的不足，提出了综合性临床诊断代理对齐套件ClinicalLab，包含三大核心组件：基于真实病例、无数据泄露的多科室端到端基准ClinicalBench，涵盖24个科室、150种疾病共1500个样本；4项新型评估指标ClinicalMetrics，精准衡量LLM在科室导诊和临床诊断中的效能；以及符合真实诊疗流程的端到端临床代理ClinicalAgent，通过动态分配相关科室和医生协作诊断提升准确性。文章还评估了17款主流通用及医疗领域LLM，发现其在不同科室表现差异显著，而ClinicalAgent在多维度评估中优于单一顶尖LLM。

创新点

1. 首个真实病例驱动的多科室端到端基准：ClinicalBench覆盖24个科室和150种疾病，数据源于三甲医院真实病历，经严格去标识化和质量控制，彻底避免数据泄露。
2. 新型医疗专属评估指标：提出DWR（科室胜率）、DIFR（科室指令遵循率）、CDR（综合诊断率）和Acceptability（可接受度）四大指标，突破传统选择题评估的局限，贴合真实诊疗场景。
3. 模拟真实医疗协作的临床代理：ClinicalAgent通过“科室导诊-初步会诊-实验室检查-影像检查-最终会诊-治疗”六阶段流程，动态调度最优科室和医生资源，实现多专业协作诊断，契合现代医疗专业化分工特点。

---