用 LangGraph 重建六 agent 医疗管线,替代医院每年 150 万美元系统
MaryamMiradi · x · 2026-11-17
Maryam Miradi 博士基于一篇论文,用 Python + LangGraph 复现了一套端到端医疗 AI agent 管线,目标是解决「医疗 AI 大多死在部署环节」的问题——临床医生不信任黑盒模型,数据科学家 80% 时间耗在清洗脏数据上,而医院每年为此花费 150 万美元却得到一堆坏系统。
管线由六个协作 agent 组成:
- File Reader:自动读取 CSV/Excel/JSON/ZIP 及压缩包内文件夹,把文件路由到正确位置,无需手动处理;
- Privacy Guard:识别姓名、邮箱、患者 ID、社保号并自动脱敏,对医学图像中的文字打码;
- Data Reader:解析表格(抓列名/年龄/诊断)和图像(识别 Poly 等疾病征象),让系统理解数据含义;
- Model Matcher:为每条数据生成唯一 ID,从模型库中挑选最适配的模型并移除不需要的列;
- Data Preparer:对 50MB 以上的大数据集自动打 yes/no/numbers/categories 标签,按模型逐个适配;
- Predictor + Explainer:针对小数据/大数据/20+ 因子场景分别给出预测方法,高亮医学图像中的关键区域,让医生看到「为什么」而不只是结果。
整体流程为:原始患者数据 → 隐私处理 → 特征提取 → 模型匹配 → 预测,强调快速、透明、可扩展。
「编程与Agent」频道最新
- Anthropic 与 Ode 联袂对谈:如何挖掘员工没说出口的隐性工作知识 — every · 2026-11-17
- 美团等发布 AutoRL:多智能体自动督导 RL 训练,Qwen3 AIME 提 20 分 — omarsar0 · 2026-11-17
- 从 2300 个插件中精选:9 个值得周末上手实测的 Hermes Agent 插件 — Teknium · 2026-11-17
- 蚂蚁 Ling 团队论文:调度优化让 agent 评测批完成时间最多缩短 65% — dair_ai · 2026-11-17
- 「有 jumbo 还开什么甲壳虫」:本地 vs 云端 coding agent 之争又起 — intellectronica · 2026-11-17
- Cloudflare Artifacts 仓库支持本地调试:wrangler dev 可创建、fork 与 push — dinasaur_404 · 2026-11-17