研究人员提出了SAGEAgent，这是一种基于LLM的自进化临床代理，能够主动决定为癌症患者获取哪些诊断模态，在预测准确性和临床侵入性之间取得平衡。该系统将模态选择表述为一个顺序决策问题，利用临床工具、情景记忆和语义记忆来推理每位患者不断变化的诊断状态。
- SAGEAgent通过临床工具进行推理，这些工具将数值预测转换为文本。
- 它使用情景记忆检索类似的过往病例，并使用语义记忆存储可复用的决策模式。
- 在结合TCGA-LGG、TCGA-GBM和BraTS以及四种诊断模态的胶质瘤队列上的实验表明，其生存预测准确性具有竞争力。
- 与假设所有模态均可用的方法相比，该方法将平均获取负担降低了55%。
这项工作解决了当前多模态生存方法的局限性，这些方法要么假设数据完全可用，要么被动处理缺失数据，而未证明获取后续模态的合理性。