medRxiv 2026年9月21日该研究提出 MES 这一由六个专门智能体（Supervisor、LiteratureMiner、RWD-Analyst、KG-Specialist、Statistician、SafeChecker）组成的多智能体框架，用于在保留来源可追溯性的前提下整合已发表文献与试验证据、从真实世界数据生成针对具体问题的真实世界证据并查询生物医学知识图谱，并在两个临床用例（匹配文献缺失的阿尔茨海默病用药问题、随机证据不一致的脓毒症休克β受体阻滞剂问题）以及覆盖六类循证医学范畴的144个临床查询上评估，报告显示其能生成保留来源可追溯性、识别跨来源分歧并传达不确定性的结构化报告，且 SafeChecker 在 CliniF该研究提出 MES 这一由六个专门智能体（Supervisor、LiteratureMiner、RWD-Analyst、KG-Specialist、Statistician、SafeChecker）组成的多智能体框架，用于在保留来源可追溯性的前提下整合已发表文献与试验证据、从真实世界数据生成针对具体问题的真实世界证据并查询生物医学知识图谱，并在两个临床用例（匹配文献缺失的阿尔茨海默病用药问题、随机证据不一致的脓毒症休克β受体阻滞剂问题）以及覆盖六类循证医学范畴的144个临床查询上评估，报告显示其能生成保留来源可追溯性、识别跨来源分歧并传达不确定性的结构化报告，且 SafeChecker 在 CliniFMES：面向医疗决策的多智能体证据合成系统该研究提出 MES 这一由六个专门智能体（Supervisor、LiteratureMiner、RWD-Analyst、KG-Specialist、Statistician、SafeChecker）组成的多智能体框架，用于在保留来源可追溯性的前提下整合已发表文献与试验证据、从真实世界数据生成针对具体问题的真实世界证据并查询生物医学知识图谱，并在两个临床用例（匹配文献缺失的阿尔茨海默病用药问题、随机证据不一致的脓毒症休克β受体阻滞剂问题）以及覆盖六类循证医学范畴的144个临床查询上评估，报告显示其能生成保留来源可追溯性、识别跨来源分歧并传达不确定性的结构化报告，且 SafeChecker 在 CliniF该研究提出 MES 这一由六个专门智能体（Supervisor、LiteratureMiner、RWD-Analyst、KG-Specialist、Statistician、SafeChecker）组成的多智能体框架，用于在保留来源可追溯性的前提下整合已发表文献与试验证据、从真实世界数据生成针对具体问题的真实世界证据并查询生物医学知识图谱，并在两个临床用例（匹配文献缺失的阿尔茨海默病用药问题、随机证据不一致的脓毒症休克β受体阻滞剂问题）以及覆盖六类循证医学范畴的144个临床查询上评估，报告显示其能生成保留来源可追溯性、识别跨来源分歧并传达不确定性的结构化报告，且 SafeChecker 在 CliniF