《DIGITAL HEALTH》：OncoAgentic-RAG: An evidence-grounded multi-agent hybrid retrieval-augmented system for patient-centric clinical oncology question answering
编辑推荐：
目的：通用大语言模型（Large Language Models，LLMs）在医学问答（Question Answering，QA）领域展现出潜力，但在肿瘤学特定场景下仍面临挑战，包括幻觉、薄弱的证据归因以及对敏感患者查询的处理能力有限。本研究旨在开发一个基于
目的：通用大语言模型（Large Language Models，LLMs）在医学问答（Question Answering，QA）领域展现出潜力，但在肿瘤学特定场景下仍面临挑战，包括幻觉、薄弱的证据归因以及对敏感患者查询的处理能力有限。本研究旨在开发一个基于证据、面向患者的肿瘤学QA系统，该系统整合了混合检索与专业化多智能体处理，以提升证据归因、安全性和共情沟通能力。
方法：所提出的OncoAgentic-RAG是一个用于肿瘤学QA的协作式多智能体混合检索增强生成框架。其知识库由标准肿瘤学教科书和临床指南构成。研究人员结合了稠密ChromaDB与BM25稀疏检索进行证据检索与融合，并构建于基于LangGraph的多智能体架构之上，该架构集成了危机检测、意图编排、医学知识检索、治疗指导、共情感知生成、临床验证及患者友好型响应合成功能。研究团队在包含1015个问题的OncoIntentQA基准数据集上，使用检索指标、语义指标、忠实度、相关性、安全性、完整性、共情度和用户友好度等指标对系统进行了评估，并与NoRAG、BaselineRAG和AgenticRAG进行了比较。此外，生成的响应还接受了临床专家在安全性和适当性方面的评估。
结果：OncoAgentic-RAG实现了Precision@5为0.8120，Recall@5为0.7980，BERTScore F1为0.7634，忠实度为0.8146，答案相关性为0.8625。加权S.C.O.P.E.（安全性、完整性、原创性、精确性和效率）得分为4.68/5.0，共情综合得分为0.9180，用户友好度为0.9580。临床专家评估提供了对响应安全性和内容的额外评价。
结论：在所评估的基准测试中，将混合检索与专业化多智能体处理相结合，改进了基于证据、来源可追溯且患者友好的肿瘤学QA。研究结果表明了OncoAgentic-RAG在面向患者的肿瘤学信息方面的技术实用性，而前瞻性的临床和安全验证仍然是必要的。
研究背景与问题
随着生成式人工智能的发展，大型语言模型在医疗健康信息系统中得到广泛应用，尤其在临床问答任务中展现出辅助诊断、医学教育和循证决策的潜力。然而，通用大语言模型在处理真实世界的临床问题时，往往难以满足相关性、适当的支撑证据和临床可操作性标准。在肿瘤学这一高风险专科领域，现有系统面临更严峻的挑战，包括产生幻觉、依赖过时知识、缺乏透明度以及无法处理敏感的患者查询。尽管检索增强生成（Retrieval-Augmented Generation，RAG）技术已被广泛探索，用以通过引入外部医学文档来减少幻觉并提高事实依据，但标准的单步检索-生成流程不足以应对复杂的医学查询。这些复杂查询可能需要多步推理、证据比较、针对治疗的解释以及对不确定或不完整信息的谨慎处理。同时，许多现有系统仅关注临床对话的孤立方面，如事实检索或知识接地，而未能整合真实医患互动中的多维需求，例如共情沟通、治疗特异性指导和紧急危机检测。此外，现有的单智能体RAG系统在分解复杂的肿瘤学查询为专门子任务方面存在固有限制，导致回答信息不完整或与患者的实际需求在临床上不一致。危机识别在当前的肿瘤学系统中至关重要，因为危机相关的含义具有语境依赖性，仅靠关键词匹配在自动化的患者交互平台中是不够的。癌症患者承受着心理困扰和自杀行为风险升高的压力，因此，美国临床肿瘤学会（American Society of Clinical Oncology，ASCO）强调共情在以患者为中心的沟通中的核心作用。
为解决上述局限性，研究人员提出了OncoAgentic-RAG，这是一个协作式的多智能体混合检索框架，旨在单一统一架构内设计一个具有共情能力的、患者友好的癌症问答系统。其主要目标包括：设计一个统一的框架，整合临床知识检索、治疗指南推理、共情沟通和实时危机检测与安全响应能力；通过系统性地整理权威临床教科书、NCCN/ASCO治疗指南、同行评议的PubMed文献和临床试验数据，构建一个特定领域的、基于证据的肿瘤学知识库；将患者安全和临床专业化作为首要架构约束，通过危机检测管道和意图感知编排机制实现动态路由；将EPITOME框架（情感反应、解释、探索）集成到专门的共情智能体中，并在多智能体RAG管道中嵌入轻量级医学验证层以减少幻觉；以及策划一个名为OncoIntentQA的基准数据集，包含1015个分类的肿瘤学问答对，并进行全面的系统级对比研究。
关键技术方法
为开展此项研究，研究人员采用了一系列关键技术方法。首先，构建了一个包含标准肿瘤学教科书、NCCN/ASCO临床指南、印度肿瘤学指南、临床试验数据及PubMed文献的知识库，并通过递归字符文本分割器（RecursiveCharacterTextSplitter）将其切分为重叠块。其次，采用了混合检索机制，结合了基于nomic-embed-text-v2-moe模型的稠密向量检索（存储于ChromaDB）与基于BM25算法的稀疏关键词检索，并通过倒数排序融合（Reciprocal Rank Fusion，RRF）进行集成。第三，设计了基于LangGraph的多智能体架构，其中包含多个专门智能体：危机检测智能体（采用三阶段NLP管道）、编排智能体（负责意图分类与路由）、医学知识智能体与治疗指南智能体（均为ReAct风格智能体，配备专用检索工具）、基于Llama3.1:8B的共情评估与生成智能体（基于EPITOME框架）、基于MedGemma1.5:4B的医学验证层以及最终响应合成智能体。整个系统使用本地部署的Ollama模型运行，无外部API依赖。
研究结果
1. 检索性能
通过与NoRAG、BaselineRAG和AgenticRAG三种基线系统的对比，OncoAgentic-RAG在检索指标上表现最优，实现了Precision@5为0.8120和Recall@5为0.7980，证明了混合检索策略在肿瘤学特定领域中的有效性。
2. 生成质量
在生成质量方面，OncoAgentic-RAG取得了最高的BERTScore F1值0.7634，表明其在词汇和语义层面与参考答案的一致性最佳。同时，该系统的忠实度（Faithfulness）达到0.8146，答案相关性（Answer Relevance）达到0.8625，均显著优于所有基线系统，验证了多智能体架构和验证层在减少幻觉、提高响应与问题对齐程度方面的作用。
3. 安全性与共情能力
在安全性评估中，OncoAgentic-RAG获得了加权S.C.O.P.E.得分4.68/5.0，远超其他系统，这得益于其内置的三阶段危机检测管道和医学验证层。在共情方面，系统取得了0.9180的共情综合得分，证实了基于EPITOME框架的专用共情智能体能有效生成符合患者情感状态的回应。用户友好度得分高达0.9580，表明生成的回答易于理解且具有支持性。
4. 临床专家评估
临床专家对系统生成的回答进行了独立评估，重点关注安全性、临床正确性、问答一致性和证据充分性。评估结果显示，OncoAgentic-RAG在所有维度上的评分均高于基线系统，特别是在处理治疗导向和高情绪困扰的查询时表现出更高的安全性和适当性。
讨论与结论
讨论部分指出，OncoAgentic-RAG通过在单一架构内整合混合检索、专业化多智能体处理、危机检测和共情生成，成功解决了现有肿瘤学问答系统中的关键不足。与传统的单步RAG相比，多智能体设计允许系统将复杂的临床查询分解为专门子任务，从而提高了响应的全面性和准确性。危机检测管道的引入确保了在紧急情况下优先考虑患者安全，避免了提供不当的常规信息。共情智能体的集成则提升了患者体验，这对于癌症护理中的心理支持尤为重要。研究结果也承认了研究的局限性，包括：完全依赖固定知识库可能无法覆盖所有罕见肿瘤亚型；系统主要在英语语料上进行评估；虽然使用了多种自动评估指标和专家审核，但尚未进行前瞻性的临床验证。未来的工作方向包括：扩展知识库以涵盖更多肿瘤类型和多语言支持；在真实临床环境中进行前瞻性安全性和有效性验证；以及进一步优化系统延迟和计算成本。
研究结论明确指出，将混合检索与专业化多智能体处理相结合，能够显著改善肿瘤学问答的循证基础、来源可追溯性和患者友好性。OncoAgentic-RAG在OncoIntentQA基准测试中展现出了优越的性能，证明了其在面向患者的肿瘤学信息传递中的技术效用。然而，研究者强调，仍需进行前瞻性的临床和安全验证，以确保系统在实际部署中的可靠性和安全性。
