MES：面向医疗决策的多智能体证据合成系统
核心概要
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
深度剖析
MES 将证据合成拆分为六个职责明确的智能体，使文献证据、真实世界证据与知识图谱证据在最终报告中保持可区分的来源与可追溯性。 相较以文献检索与摘要为中心的自动化系统，该框架把真实世界证据的生成（构建队列并执行分析）与知识图谱推理纳入同一可审计流程，并记录支持每条结论的来源、智能体与处理步骤。 论文以架构描述、图1的智能体分工与工具连接（PubMed、ClinicalTrials.gov、MIMIC-IV、INSIGHT CRN、iBKH）以及两个用例的流程叙述作为支撑，属于系统设计与示例性演示层面的证据。
在匹配文献缺失时，MES 转向真实世界数据生成针对具体问题的证据，并明确报告文献空白而非给出推测性答案。 该用例展示了查询自适应整合：当某一来源无信息时系统转向可用证据，同时保留观察性比较的证据边界。 基于 MIMIC-IV/INSIGHT 数据的具体队列：严格索引匹配43例、更广分析队列366例（持续体重下降≥5%）、相似患者100例；继续用药263例与停药86例的体重与安全结局绝对差异置信区间均包含零，切换仅10/366例，样本不足以给出可靠比较估计。
在文献存在但结论不一致时，MES 用经过偏倚控制的真实世界分析补充未决的试验证据，并在最终合成中保留跨来源分歧。 系统把未决的试验基础视为寻求额外真实世界证据的信号，而非终点，也不默认采信单一阳性试验。 脓毒症休克β受体阻滞剂用例中，RWD-Analyst 以目标试验模拟、克隆-删失-加权处理永恒时间偏倚、倾向评分匹配平衡协变量并用 Cox 模型估计28天死亡率，结果显示与28天死亡率无关联（风险比接近1.0、不显著），排除心脏手术记录后估计基本不变。
SafeChecker 作为声明级验证层，在 CliniFact 基准上相较直接提示提升了不支持声明的检出表现。 该结果支持将报告分解为可检验声明并逐条对照引用证据进行验证的专门验证层，而非仅依赖引用本身。 在394对声明-证据的评估集上，二分类准确率由0.850升至0.926、精确率由0.865升至0.926、召回率由0.936升至0.975、F1由0.899升至0.950，三分类错误数由74降至44；理论分析将 SafeChecker 刻画为在校准假设下可界定假声明接受概率的筛选机制，而非保证正确性的判定器。
启示与展望
该框架面向需要区分试验证据、观察性关联与机制性背景的临床与研究证据合成场景，适用于能够接入文献数据库、真实世界临床数据与生物医学知识图谱并需要来源可追溯报告的使用者；论文将其定位为透明、来源可追溯的决策支持框架，用于补充而非替代系统综述与专家判断，且明确说明当前评估未确立 MES 生成的真实世界证据的临床效用或可迁移性。
读者仍会关注若干开放问题：自动概念映射与可计算表型构建未对每个查询独立验证，可能引入队列错分；生成的真实世界证据缺乏跨数据集的外部验证，其可迁移性有待确立；框架未实现 GRADE 等正式证据确定性评级，因此合成结果不提供标准化确定性或推荐强度；知识图谱可能遗漏相关关系或编码非因果关联，文献检索可能遗漏未发表或阴性研究；不同 LLM 骨干在合成风格与专家评分上存在差异，说明架构未消除模型依赖；此外，报告内相互依赖声明的验证校准与证据耗尽状态下的停止准则仍有待进一步明确。由于本次读取为全文文本，图表与补充材料中的具体数值细节未逐项核对，若需引用具体统计量建议对照原文图表。