在临床会诊的深水区，诊疗决策仍面临着很大的挑战：海量的多源多模态医疗数据与各专科深奥的医学证据交织，单模型因能力边界有限、过程不可解释、缺乏协作机制，难以有效完成面向复杂问题的决策。哈工大赛尔实验室健康智能组深耕多年，在国家重大专项与产业力量的支持下，完成了从固定范式到动态调度，再到即时生成的迭代，构建了面向人机融合会诊的“多智能体进化三部曲”，旨在实现从辅助工具到智慧伙伴的范式跃迁。
第一部曲：多智能体静态组织——逻辑一致性的基础性范式
针对肝胆胰疾病，我们联合解放军总医院等国内多家高校与企业，在科技创新2030新一代人工智能重大专项的支持下，率先探索多智能体自组织自学习机制。通过对病历、影像等专用智能体进行统一建模，模拟临床专科辩论，实现了无需外部干预的静态自组织协同机制。在信息不全或证据冲突的极端环境下，系统展现出极强的决策稳定性与共识构建能力，诊断准确率相较单一智能体提升10%以上。该成果已在全国20余省市30家机构落地，并牵头制定了两项人机联合会诊系统团体标准，定义了AI协作的“行业标尺”。
图1 ：多智能体静态自组织框架示意图
第二部曲：多智能体动态调度——复杂临床决策中的自适应性演进
针对心血管疾病，赛尔实验室在哈工大-中国移动5G联合研究院的支持下，完成了多智能体从“固定编队”向“按需协同”的进化。通过对中心化架构下多智能体性能与效率平衡以及状态感知调度对系统效能提升的深入研究，显著强化了多智能体的自适应性。具体而言，系统利用基于大语言模型的动态调度器，精准识别用户意图并进行逻辑拆解，将子任务即时派发至最优匹配的智能体，有效规避了冗余计算带来的信息噪声。引入冲突论证模块，将用户见解与系统证据链条深度耦合，系统决策解释准确度达86%，确保了每一份诊疗建议都具备可追溯的医学逻辑。不仅实现了分类准确率的提升，更在真实临床环境下构建了高交互性的智能界面，成为医生决策的数字参谋。
图2 ：多智能体动态调度流程示意图
图3 ：面向心血管疾病的人机融合会诊系统界面
第三部曲：多智能体动态生成——面向时效性场景的即时扩展性
在脑卒中救治与预后任务中，我们联合北京天坛医院与京东方，探索了多智能体系统的另一形态——动态按需生成。突破传统固定编组模式，系统随证据流转与临床节点实时唤起“专家智能体”，实现从分诊到康复全周期的闭环响应。通过检索增强策略深度对齐百余篇权威指南，构建了坚实的证据约束链条，确保输出结果既具备高前沿性，又符合临床规范。在CMB脑卒中评测中，基于30B基座模型的多智能体系统表现超越了GPT-4o与DeepSeek-R1-671B等通用模型，准确率达到90.67%，为脑卒中同质化救治提供了更为新颖的技术路径。
图4 ：面向心血管疾病的多智能体动态生成架构
共建人机融合的“数智生态”
从肝胆胰到心血管，再到脑卒中，赛尔实验室通过国家级纵向课题与产业实战的“双轮驱动”，不断拓宽AI在医疗核心决策区的应用边界。未来，我们诚邀更多医疗专科、产业伙伴及研究机构，共同打磨人机融合的智慧会诊流程，共建评测体系，推动人机协同从“局部试点”走向“规模化演进”，让智慧医疗温润每一份生命健康。