DeepER-Med：代理式 AI 推進醫學研究

🔑 增強重點摘要

• •DeepER-Med 採用了多代理人協作架構（Multi-Agent Collaboration），允許不同功能的 AI 代理（如文獻檢索代理、統計分析代理、臨床評估代理）在受控環境中進行迭代對話，以減少單一模型產生的幻覺。
• •該系統整合了針對醫學文獻檢索優化的檢索增強生成（RAG）技術，特別強化了對臨床試驗數據庫（如 ClinicalTrials.gov）與 PubMed 最新文獻的即時交叉驗證能力。
• •DeepER-MedQA 資料集不僅包含問題，還附帶了由醫學專家標註的「推理路徑（Reasoning Traces）」，旨在訓練模型學習循證醫學的邏輯推演過程，而非僅僅預測答案。

🛠️ 技術深入

• •架構模組化：系統分為『研究規劃器（Planner）』、『執行代理群（Executor Agents）』與『證據合成器（Synthesizer）』，透過共享記憶體（Shared Memory）交換中間狀態。
• •規劃模組：利用基於樹狀搜尋（Tree-of-Thoughts）的演算法，將複雜的醫學研究問題拆解為可執行的子任務序列。
• •證據合成：採用加權投票機制，根據文獻的證據等級（Level of Evidence, LoE）對不同來源的資訊進行加權，確保最終報告符合循證醫學標準。
• •驗證機制：內建自動化事實核查（Fact-Checking）層，強制要求所有生成的臨床建議必須引用至少兩篇經同行評審的文獻。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線