近日，中國科學(xué)院合肥物質(zhì)院智能所運動與健康信息技術(shù)研究中心丁增輝研究員聯(lián)合華南理工大學(xué)未來技術(shù)學(xué)院靳戰(zhàn)鵬教授團隊，提出一種醫(yī)療大模型智能體決策框架FRAME。相關(guān)研究工作“FRAME: Feedback-Refined Agent Methodology for Enhancing Medical Research Insights”已被第63屆國際計算語言學(xué)年會錄用。

探尋新的醫(yī)療洞見和決策方法是輔助醫(yī)學(xué)研究的前沿?zé)狳c，大語言模型（LLM）的快速發(fā)展為該領(lǐng)域研究提供了重大機遇，但在知識整合與質(zhì)量保證方面仍面臨嚴(yán)峻挑戰(zhàn)。研究團隊提出的FRAME (Feedback-Refined Agent Methodology)框架，旨在通過迭代式優(yōu)化和結(jié)構(gòu)化反饋來提升醫(yī)學(xué)洞見性能。該方法包含三大核心創(chuàng)新：一是構(gòu)建結(jié)構(gòu)化數(shù)據(jù)集：通過迭代優(yōu)化，將醫(yī)學(xué)文獻(xiàn)分解為核心研究要素，構(gòu)建精細(xì)化數(shù)據(jù)集；二是搭建“生成-評估-反思”三方智能體架構(gòu)：集成了生成（Generator）、評估（Evaluator）和反思（Reflector）智能體，通過指標(biāo)驅(qū)動的反饋循環(huán)，逐步提升內(nèi)容質(zhì)量；三是形成綜合評估體系：結(jié)合了統(tǒng)計學(xué)指標(biāo)與人工基準(zhǔn)，對生成內(nèi)容進(jìn)行全方位評測。

對比實驗結(jié)果顯示，相較于傳統(tǒng)方法，F(xiàn)RAME框架在運用多種大語言模型提升醫(yī)學(xué)洞見性能方面效果顯著，在DeepSeek V3上平均提升9.91%，在GPT-4o Mini上也取得了同等級別的改進(jìn)。同時，人工評估也證實了利用FRAME智能生成的醫(yī)療決策質(zhì)量已能媲美人類水平，尤其在凝練未來研究方向方面表現(xiàn)突出。相關(guān)研究成果表明，所構(gòu)建的FRAME框架，能夠自動生成高標(biāo)準(zhǔn)的醫(yī)學(xué)研究方案，高效輔助醫(yī)學(xué)研究。

智能所在讀博士生張一鳴與華南理工大學(xué)在讀博士生余承章（中心碩士畢業(yè)生）為論文共同第一作者，丁增輝研究員和靳戰(zhàn)鵬教授為共同通訊作者。該方向的研究在智能所首席科學(xué)家孫怡寧研究員的長期指導(dǎo)和大力支持下開展，得到了運動健康中心的大力支持，獲得了國家重點研發(fā)計劃課題、合肥綜合性國家科學(xué)中心醫(yī)工融合醫(yī)療裝備創(chuàng)新研究平臺項目和安徽省科技重大專項等多個科研項目的持續(xù)資助。

?據(jù)悉，國際計算語言學(xué)年會(Annual Meeting of the Association for Computational Linguistics ，簡稱ACL)是計算語言學(xué)與自然語言處理領(lǐng)域的頂級國際會議，由國際計算語言學(xué)協(xié)會主辦，每年舉辦一次，是中國計算機學(xué)會（CCF）推薦的A類國際學(xué)術(shù)會議。本屆ACL大會為第63屆，于2025年7月27日至8月1日在奧地利維也納舉行，據(jù)大會官方統(tǒng)計，本屆ACL總投稿數(shù)高達(dá)8000多篇，創(chuàng)歷屆之最。

文章鏈接：https://arxiv.org/abs/2505.04649

圖 1：提出了一種醫(yī)學(xué)智能體（FRAME）架構(gòu)。在訓(xùn)練階段，系統(tǒng)會在專用數(shù)據(jù)庫中生成并累積反思，這些經(jīng)驗隨后會指導(dǎo)方案的生成過程。這種迭代訓(xùn)練范式通過結(jié)構(gòu)化的反饋機制，能夠持續(xù)優(yōu)化生成能力。

圖 2：數(shù)據(jù)集構(gòu)建過程概覽。