SAGEAgent：让AI智能决策癌症诊断流程，减少55%检查负担

在临床肿瘤诊疗中，患者通常需要接受一系列诊断检查，从基础的人口统计信息到侵入性的基因组分析，负担逐步增加。然而，是否每位患者都需要完成全套检查才能准确预测生存期？针对这一问题，研究团队提出了一种创新解决方案——SAGEAgent（基于经验的顺序采集引导智能体）。

SAGEAgent将多模态诊断过程建模为顺序决策问题，这是一个基于大语言模型的自主进化临床智能体。它能够针对每位患者的具体情况，动态判断是否需要获取下一项诊断信息，在预测准确性与临床侵入性之间寻求最佳平衡。该智能体通过三大核心模块实现智能决策：临床工具模块将数值预测转化为可理解的文本描述；情景记忆模块检索相似的历史病例；语义记忆模块则从经验中积累可复用的决策模式。

研究团队在胶质瘤患者队列（整合TCGA-LGG、TCGA-GBM和BraTS数据集）上进行了验证，涵盖四种诊断模态。实验结果表明，SAGEAgent在保持竞争力的生存预测准确率的同时，将平均检查负担降低了55%。这一突破意味着未来临床工作流有望实现个性化、精准化的诊断路径规划，避免不必要的检查，减轻患者负担并优化医疗资源分配。