AgentEHR: Развитие автономного клинического принятия решений с помощью ретроспективного суммирования

AgentEHR: Advancing Autonomous Clinical Decision-Making via Retrospective Summarization

January 20, 2026

Авторы: Yusheng Liao, Chuan Xuan, Yutong Cai, Lina Yang, Zhe Chen, Yanfeng Wang, Yu Wang

cs.AI

Аннотация

Крупные языковые модели продемонстрировали значительную полезность в медицинской области. Однако их применение для автономной навигации по электронным медицинским картам (ЭМК) остается ограниченным из-за зависимости от курируемых входных данных и упрощенных задач поиска. Чтобы преодолеть разрыв между идеализированными экспериментальными условиями и реалистичной клинической средой, мы представляем AgentEHR. Этот бенчмарк ставит перед агентами задачу выполнения сложных задач принятия решений, таких как диагностика и планирование лечения, требующих долгосрочного интерактивного логического вывода непосредственно в сырых и зашумленных базах данных. При решении этих задач мы выявляем, что существующие методы суммаризации неизбежно страдают от критической потери информации и нарушения целостности рассуждений. Для решения этой проблемы мы предлагаем RetroSum — новую структуру, объединяющую механизм ретроспективного суммаризации со стратегией развивающегося опыта. Благодаря динамической переоценке истории взаимодействий ретроспективный механизм предотвращает потерю информации в длинном контексте и обеспечивает непрерывную логическую связность. Кроме того, стратегия развития преодолевает доменный разрыв путем извлечения накопленного опыта из банка памяти. Обширные эмпирические оценки демонстрируют, что RetroSum достигает прироста производительности до 29,16% по сравнению с конкурентоспособными базовыми методами, одновременно значительно снижая общее количество ошибок взаимодействия до 92,3%.

English

Large Language Models have demonstrated profound utility in the medical domain. However, their application to autonomous Electronic Health Records~(EHRs) navigation remains constrained by a reliance on curated inputs and simplified retrieval tasks. To bridge the gap between idealized experimental settings and realistic clinical environments, we present AgentEHR. This benchmark challenges agents to execute complex decision-making tasks, such as diagnosis and treatment planning, requiring long-range interactive reasoning directly within raw and high-noise databases. In tackling these tasks, we identify that existing summarization methods inevitably suffer from critical information loss and fractured reasoning continuity. To address this, we propose RetroSum, a novel framework that unifies a retrospective summarization mechanism with an evolving experience strategy. By dynamically re-evaluating interaction history, the retrospective mechanism prevents long-context information loss and ensures unbroken logical coherence. Additionally, the evolving strategy bridges the domain gap by retrieving accumulated experience from a memory bank. Extensive empirical evaluations demonstrate that RetroSum achieves performance gains of up to 29.16% over competitive baselines, while significantly decreasing total interaction errors by up to 92.3%.