基于大语言模型多智能体框架的手术室调度优化研究

《npj Digital Medicine》：Solving operating room scheduling problems using large language model based multi-agent architecture

　　

摘要

由于手术类型多样、患者需求量大以及医院资源有限，高效的手术室调度是一项复杂任务。鉴于手术室运营占医院成本的相当大比例，有效的调度方案至关重要。基于大语言模型（LLM）的多智能体系统为支持该问题的优化提供了新机遇。本研究评估了一种用于生成和改进手术室调度优化代码的基于 LLM 的多智能体框架。借助专业智能体之间的迭代协作，所提出的迭代多智能体（IMA）框架始终优于单智能体基线和传统多智能体基线。在 10 种 LLM 和 35 种场景下，IMA 实现了 82.91% 的平均可行调度率，而基线分别为 65.59% 和 52.53%。在 1050 个合成案例和三个真实手术室数据集上的实验进一步表明，IMA 生成的代码产生的解决方案接近专家编写的混合整数规划模型，而对医院现有调度的案例研究证明手术室利用率和超时减少方面有所改善。这些结果表明，基于 LLM 的多智能体系统可以为手术室调度优化提供实用且有效的方法。