《iScience》：An LLM-enhanced AI agent for rapid diagnosis of acute aortic dissection in multi-center settings
编辑推荐：
急性主动脉夹层（AAD）是一种高死亡率心血管急症，然而在计算机断层扫描血管造影（CTA）前的早期诊断仍具挑战。研究人员开发了AAD-Agent作为影像前分诊辅助工具，而非CTA替代方案，并在一项回顾性多中心研究中评估。研究使用来自3家中国医院的869名疑似患者
急性主动脉夹层（AAD）是一种高死亡率心血管急症，然而在计算机断层扫描血管造影（CTA）前的早期诊断仍具挑战。研究人员开发了AAD-Agent作为影像前分诊辅助工具，而非CTA替代方案，并在一项回顾性多中心研究中评估。研究使用来自3家中国医院的869名疑似患者作内部验证，来自另外2家医院的200名患者作外部验证，将AAD-Agent与传统机器学习（ML）集成模型比较。ML集成模型内部表现良好（准确率0.948，F1分数0.964），但外部表现恶化（0.540，0.600）。相比之下，AAD-Agent在不同大语言模型下保持外部稳定性：DeepSeek-R1（准确率0.715，F1分数0.820）、GPT-3.5（0.715，0.825）、GPT-4o（0.710，0.803）。尽管病例富集设计抬高了这些指标，按患病率校正后的阴性预测值（约99.6%，患病率1%）支持AAD-Agent作为安全、低成本的排除辅助工具，可在低风险患者中推迟CTA。其外部特异度较低，不能用于确诊，仅限影像前排除，尚需前瞻性验证。
研究背景方面，急性主动脉夹层（AAD）是由内膜撕裂导致血液进入主动脉壁的时间敏感性急症，发病后每小时死亡率上升1%–2%。确诊金标准为计算机断层扫描血管造影（CTA），但在基层和资源有限场景中常不可及；而不必要的CTA会带来辐射、对比剂肾病和费用负担。现有影像前工具如主动脉夹层检测风险评分（ADD-RS）联合D-二聚体虽敏感度高，但特异度仅18%–57%。传统机器学习（ML）模型存在分布外泛化差、黑箱、无法处理自由文本等问题。大语言模型（LLM）具备急诊分诊推理能力，但仍是被动问答，不能主动驱动诊断流程。因此，研究人员开展本研究，构建可主动分层推理的LLM增强自主智能体AAD-Agent，用于CTA前排除低风险AAD患者。该研究发表于《iScience》。
关键方法上，研究人员采用回顾性多中心设计：开发队列为3家中国医院2022年1月至2023年10月869名临床疑似AAD急诊患者，按80:20分训练集695人与内部验证集174人；外部验证为另外2家医院200名患者。变量限于人口学、症状、血压、红细胞（RBC）、白细胞（WBC）和D-二聚体等低成本指标。ML对照为逻辑回归、随机森林、XGBoost、支持向量机的概率集成；AAD-Agent以LLM为核心，借助LangChain调用DeepSeek-R1、GPT-3.5、GPT-4o、Claude-3.5，分三阶段输入并动态更新风险，温度设为0，无任务微调。还用50例内部验证子集比较18名初级医师与5个智能体。
研究结果如下。
Cohort baseline characteristics：研究人员纳入869人内部队列与200人外部队列，外部队列突发起病比例更高、舒张压和D-二聚体分布明显不同，说明存在人群偏移；内部AAD阳性率69.5%，外部77.5%，属病例富集。
Diagnostic performance of ML ensemble and AAD-Agent：ML集成内部AUC 0.974、敏感度0.983、F1 0.964；外部AUC降至0.708、F1 0.600。AAD-Agent外部F1均高于0.7，DeepSeek-R1中文版外部准确率0.715、敏感度0.839、F1 0.820；所有智能体外部敏感度均高于ML集成，漏诊更少。DeLong检验显示部分LLM的AUC显著低于ML集成，但F1经bootstrap均显著更优。
Sensitivity analysis for low-prevalence settings：因真实胸痛急诊AAD患病率常低于1%，研究人员用贝叶斯定理校正，最佳智能体在1%患病率下阴性预测值约99.6%，说明其作为排除工具具安全性。
Comparison of feature distribution offset and model performance：训练集与外部集在舒张压（DBP）、D-二聚体、WBC上分布差异显著，解释了ML集成外部退化，而LLM对数值阈值不那么敏感。
Decision curve analysis：内部验证ML集成净受益最高；外部验证在阈值≤0.3时ML占优，阈值≥0.4时DeepSeek-R1中文版净受益最高，说明智能体适合较高影像确认容忍度的分诊场景。
Calibration curves：ML集成内部低概率区间过自信、外部低估风险；AAD-Agent内外校准曲线均接近理想线，概率输出更可靠。
Comparison with primary care physicians：18名初级医师漏诊率19.6%、误诊率53.3%；Claude-3.5与DeepSeek-R1英文版漏诊率4.0%，GPT-4o假阳性率最低为4.0%，智能体总体优于初级医师。
Conclusion：AAD-Agent是用低成本数据在异质队列中保持敏感度大于0.80的概念验证型影像前排除工具；AUC中等、特异度低，适合规则排除而非确诊，需真实世界前瞻性验证。
讨论部分总结：研究人员指出，AAD-Agent不是CTA替代，而是利用高阴性预测值推迟低风险者影像检查。相比ML，LLM智能体借叙事语义与分阶段临床推理抵抗分布偏移；决策曲线与校准曲线证明其外部稳健性。ADD-RS组件记录不完整使其无法直接头对头比较，但智能体可补位。病例富集抬高准确率与阳性预测值、压低阴性预测值，故应看敏感度、特异度和患病率校正后阴性预测值。研究局限包括回顾性、排除导致选择偏倚、外部仅中国中部、未与ADD-RS正面对比、未覆盖术后与长期结局。
结论部分原文意译：AAD-Agent代表LLM增强自主智能体用于急诊心血管排除筛查的初步概念验证。仅用低成本、可快速获得的临床与实验室数据，它在异质队列中保持敏感度高于0.80。尽管区分能力中等且特异度低，但在影像前分诊中以排除AAD为目标时该取舍可接受。开展未筛选真实急诊人群的前瞻性验证，是临床落地前必需的一步。
