Agent Hospital: Wirtualny Szpital, w Którym Sztuczna Inteligencja Uczy się Leczyć

Wyobraź sobie wirtualny szpital, w którym pacjenci, pielęgniarki i lekarze to autonomiczne agenty oparte na dużych modelach językowych (LLM). Każdy krok – od zgłoszenia się z objawami, przez diagnostykę, aż po wypis z apteki – odbywa się bez udziału człowieka, za to w błyskawicznie przyspieszonym czasie, dając lekarzom-robotom lata praktyki w ciągu zaledwie kilku dni. To właśnie Agent Hospital – nowatorski framework zaproponowany przez zespół z Tsinghua University, który łączy symulację środowiska medycznego z procesem samodoskonalenia agentów .

Co to jest Agent Hospital?

Agent Hospital to skalowalna symulacja całego procesu leczenia pacjenta. Wirtualne „oddziały” obejmują szereg stanowisk: punkt przyjęć, triage, gabinety konsultacyjne, pracownie diagnostyczne, aptekę, a nawet salę do wizyt kontrolnych. Każdy pacjent-agenta generowany jest automatycznie na podstawie bazy wiedzy medycznej: model generuje demografię, historię choroby, zestaw objawów oraz wyniki badań laboratoryjnych i obrazowych .

Jak powstał wirtualny szpital?

Twórcy sięgnęli po mapę stworzoną w edytorze Tiled oraz silnik Phaser, by wiernie odtworzyć przestrzeń szpitalną . Dzięki SEAL (Simulacrum-based Evolutionary Agent Learning) każdy element symulacji – od generowania pacjenta po interakcję z lekarzem-agenta – oparty jest na LLM sprzężonym z odpowiednimi bazami wiedzy. Nie ma tu ręcznego etykietowania ani kosztownych procesów fine-tuningu: cały cykl tworzy „surowe” dane treningowe w locie.

Ewolucja lekarzy w wirtualnym świecie

Centralnym elementem jest MedAgent-Zero – moduł ewolucji, w którym lekarz-agenta doskonali się, lecząc tysiące pacjentów. Po każdej udanej terapii przypadek trafia do bazy „zrecenzowanych przypadków” (medical case base), a w razie błędu agent formułuje nowe reguły w systemie doświadczeń (experience base) . W praktyce oznacza to, że każdy niewłaściwy wybór przyczynia się do wzbogacenia wiedzy agenta i pomaga unikać analogicznych pomyłek w przyszłości.

Imponujące wyniki

– Skalowanie w świecie wirtualnym: już po 10 000 przypadków diagnostyczna skuteczność w wybranych oddziałach wzrasta z ~66 % do ponad 90 % .
– Transfer do rzeczywistości: wiedza zdobyta w symulacji przekłada się na lepsze wyniki w standardowym teście MedQA (opartym na pytaniach USMLE). W miarę wzrostu „praktyki” w Agent Hospital dokładność odpowiedzi na pytania medyczne systematycznie się podnosi .
– Przewaga nad SOTA: bez korzystania z oznaczonych danych z benchmarku, lekarze-agenci MedAgent-Zero wyprzedzają inne metody zero-shot, w tym MedAgents, CoT czy MedPrompt, osiągając najwyższe wyniki w MedQA .

Potencjalne zastosowania i przyszłość

Taka symulacja otwiera drzwi do wielu pionierskich zastosowań:

• Przyspieszone szkolenie realnych lekarzy, korzystających z wirtualnych „pacjentów” o skrajnie różnorodnych stanach.
• Badania nad epidemiologią i reakcjami systemów ochrony zdrowia na rzadkie lub hipotetyczne scenariusze.
• Tworzenie superumiejętności w wąskich dziedzinach medycyny, gdzie dostęp do rzeczywistych przypadków jest ograniczony.

Co więcej, SEAL można zaadaptować poza medycyną – do każdej dziedziny, w której modelowane są złożone procesy decyzyjne wymagające ćwiczenia w bezpiecznym, kontrolowanym środowisku.

Podsumowanie

Agent Hospital to przełomowa propozycja wykorzystania LLM-ów nie tylko jako generatorów tekstu, lecz jako mózgów autonomicznych agentów, którzy uczą się poprzez działanie . Dzięki automatycznemu generowaniu danych i mechanizmom ewolucyjnym agenty medyczne osiągają poziomy przekraczające dotychczasowe możliwości systemów zero-shot. To zapowiedź ery, w której wirtualne „szpitale” staną się nie tylko placówkami szkoleniowymi, lecz fundamentem szybkiego, taniego i bezpiecznego rozwoju sztucznej inteligencji w medycynie i nie tylko.