近日，中国科学院合肥物质院智能所丁增辉研究员联合华南理工大学靳战鹏教授团队，提出一种医疗大模型智能体决策框架FRAME。相关研究工作“FRAME: Feedback-Refined Agent Methodology for Enhancing Medical Research Insights”被第63届国际计算语言学年会录用。
探寻新的医疗洞见和决策方法是辅助医学研究的前沿热点，大语言模型（LLM）的快速发展为该领域研究提供了重大机遇，但在知识整合与质量保证方面仍面临严峻挑战。
研究团队提出的FRAME (Feedback-Refined Agent Methodology) 框架，旨在通过迭代式优化和结构化反馈来提升医学洞见性能。该方法包含三大核心创新：
- 一是构建结构化数据集：通过迭代优化，将医学文献分解为核心研究要素，构建精细化数据集；
- 二是搭建“生成-评估-反思”三方智能体架构：集成了生成（Generator）、评估（Evaluator）和反思（Reflector）智能体，通过指标驱动的反馈循环，逐步提升内容质量；
- 三是形成综合评估体系：结合了统计学指标与人工基准，对生成内容进行全方位评测。
对比实验结果显示，相较于传统方法，FRAME框架在运用多种大语言模型提升医学洞见性能方面效果显著，在DeepSeek V3上平均提升9.91%，在GPT-4o Mini上也取得了同等级别的改进。同时，人工评估也证实了利用FRAME智能生成的医疗决策质量已能媲美人类水平，尤其在凝练未来研究方向方面表现突出。相关研究成果表明，所构建的FRAME框架，能够自动生成高标准的医学研究方案，高效辅助医学研究。
