门诊场景评测深度分析报告：医生-病人-测量代理交互对诊断影响机制研究（上）

引言

医疗人工智能（AI）的发展正从静态问答系统向动态交互式决策助手演进，大型语言模型（LLM）在医学领域测评中展现出显著进步，如美国医学执照考试正确率从 2021 年 9 月的 38.1% 提升至 2023 年 11 月的 90.2%，超越人类专家平均水平（87%）[1][2]。然而，临床决策的复杂、顺序性本质与多模态数据收集需求，使得依赖静态问答的传统评估方法难以准确描绘 AI 系统的真实临床能力——研究表明，动态决策环境下诊断准确率可降至静态问答的 1/10 以下[3][4]。与此同时，AI 在医疗领域的 adoption 仍受限于人际互动缺失[5]，而患者依从性问题（如直接口服抗凝剂使用中的亚optimal依从性）可能导致中风和出血风险增加，且难以通过常规检测发现[6]，凸显了现有医疗交互系统在诊断准确性与患者管理方面的双重挑战。

为应对上述局限，开源多模态代理基准应运而生，其创新性四角色架构（医生-病人-测量代理-调解员）模拟了临床环境中的动态交互过程，支持 9 个医学专科、7 种语言及 24 种临床偏见模拟（如种族偏见、性别偏见），核心评估指标涵盖诊断准确率、患者依从性及咨询满意度等多维维度[3][4][7]。该系统填补了传统静态评估的空白，为研究“医生-病人-测量代理”三元交互机制提供了标准化实验平台。

本报告聚焦 三元交互机制，核心研究问题包括：三元交互如何通过多模态数据流转与顺序决策影响诊断准确性？又如何通过沟通策略与系统偏见作用于患者依从性？ 通过解析该机制的影响路径，旨在为 AI 医疗代理的临床应用提供理论基础与实践指导，推动医疗智能交互系统从技术验证迈向实际价值转化。

关键背景：临床决策的动态性与静态评估的矛盾是当前医疗 AI 发展的核心瓶颈。尽管 LLM 在标准化考试中表现优异（USMLE 正确率达 90.2%），但其在动态交互场景中的诊断准确率显著下降，仅为静态问答环境的 1/10 以下，揭示了传统评估方法的局限性[1][2][3]。

AgentClinic v5核心架构解析

AgentClinic v5作为开源多模态医疗代理基准平台，其核心架构以四角色协同框架为基础，通过医生代理、患者代理、测量代理与调解员代理的动态交互，构建接近真实临床环境的模拟系统。该架构突破传统静态问答局限，实现多模态数据整合与复杂临床决策过程的精准复现，为评估医疗AI的诊断能力与交互质量提供标准化支撑[1][8