【星火X计划】基于跨专科、自适应的医疗复杂循证推理技术的“超级医生助手”研发(J13814)

【课题介绍】

本课题以“超级医生助手”为建设目标，核心攻关跨专科自适应的医疗复杂循证推理技术，围绕医疗复杂任务动态规划、长上下文循证推理、医疗多模态融合决策、跨专科智能体协同推理四大核心主线，构建覆盖基层及等级医院辅诊、个性化治疗方案、急重症快速决策、多学科疑难会诊等场景的医疗复杂循证推理技术体系。

针对优质医疗资源刚需缺口巨大、疑难重症精准诊疗难、专家智慧难以规模化复制等问题，当前医疗AI在多学科疑难会诊、复杂合并症诊断、急重症快速决策和跨专科协同诊疗等场景无重大技术突破，诊疗助理产品仍停留在单一环节的浅层应用辅助，整体处于“专科割裂、人工串联”的状态，亟需构建“诊疗规划-长文循证-模态融合-多体协同”四位一体的端到端医疗复杂循证推理技术体系，推动临床诊疗应用向超级医生助手的实质性跨越。

针对上述痛点，突破医疗复杂任务动态规划，研发临床诊疗路径自适应规划与演进算法，实现复杂诊疗目标的阶梯式子任务动态拆解，形成全闭环临床决策链；攻克长上下文循证推理，构建适配临床超长时序的无损记忆机制，结合过程监督与长链条思维链，实现具备主动追问、动态纠错与严谨循证追溯的专科深度推理；并强化医疗多模态融合决策，研发“文本-影像-病理”多模态联合表征模型，精准捕捉超长时序病程与高维空间特征；最终通过跨专科智能体协同推理，设计契合真实临床规范的跨学科组织调度体系与博弈冲突协调算法，实现临床精准权威个性化诊疗方案。

【课题挑战】

1、医疗复杂任务动态规划难题：在多学科疑难会诊、急重症快速决策等场景中，复杂病情的诊疗目标往往不够明确且存在多解路径，难以自动拆解为问诊、检查、鉴别诊断等可执行的临床子任务序列；一旦病情突变或出现隐匿并发症，原有任务链便会失效。需研发诊疗路径自适应规划与演进算法，在目标模糊性与环境动态性的双重约束下，实现复杂诊疗目标的阶梯式子任务动态拆解、状态实时追踪与风险触发的路径重规划，形成稳健的全闭环临床决策链；

2、临床长上下文无损记忆与循证控幻难题：在复杂合并症诊断、多学科长期治疗中，超长病历、检验检查、用药记录等数据容易造成关键信息丢失，长程推理因缺乏过程监督而极易累积逻辑幻觉。需研制适配临床超长时序的无损记忆机制，融合过程监督与长链条循证思维链，构建可主动追问、动态纠错并严格循证追溯的专科深度推理能力；

3、异构医疗时空多模态深度融合决策难题：面向多学科会诊中文本、影像、病理等多模态证据融合需求，现有跨模态数据多止于简单拼接，难以精准捕捉病程演变与病灶转移的时空依赖。需构建“文本-影像-病理”多模态联合表征模型，统一全模态联合表征空间，深度融合超长时序与高维空间特征，精准捕捉动态演化规律；

4、复杂多学科诊疗协同与冲突博弈挑战：在跨专科协同诊疗及多学科疑难会诊中，跨学科诊断分歧与用药方案对立频发，缺乏自适应的协商机制与组织调度逻辑。需设计契合真实临床规范的跨专科自适应组织调度体系，研发基于证据博弈的冲突协调算法，实现多智能体动态高效协作与决策权重自适应调整，自动生成无矛盾的最优个性化综合诊疗方案。

【课题价值】

1、技术创新价值 -- 医疗 AI 从“单点智能辅助”，升级为“超级医生助手”

直面疑难重症精准诊疗难、顶级专家经验难以规模化复制的技术瓶颈，通过“诊疗规划-长文循证-模态融合-多体协同”四位一体创新，实现复杂诊疗路径自适应演进与多学科博弈决策，推动医疗 AI 从“单点辅助工具”跃迁为具备复杂循证能力的“自主诊疗决策主体”。

2、临床业务价值 -- 填补优质资源巨大缺口，赋能基层实现“专家级”精准诊疗

针对等级医院优质资源短缺、基层能力诊疗能力薄弱等痛点，将顶级专家诊疗思维“算法化”，向上作为三甲医院的“临床智能副手”，提升疑难重症处置效率；向下赋能基层医生高效拆解复杂病情、协同多科诊疗，通过AI规模化复制专家经验，从根本上缓解资源供需矛盾，推动区域诊疗水平同质化。

3、技术壁垒价值 -- 构筑医疗复杂循证推理技术体系，支撑基层到等级医院规模落地

围绕复杂诊疗高可靠性刚需，形成诊疗路径自适应规划、长病程多模态融合表征、跨专科多智能体协同决策等核心技术能力，满足等级医院疑难重症的高标准要求，同时具备基层的强大适配性，支撑基层智医助理、医院诊疗助理等业务跨机构跨层级全场景规模化落地。

1、24-27届博士毕业生，人工智能、计算机科学、深度学习、自然语言处理、生物医学工程或应用数学等相关专业，具备良好的科研素养与前沿研究视野；

2、理论功底扎实，精通深度学习与大模型核心基础理论，熟悉 Transformer 架构、长上下文注意力机制、强化学习（RLHF/GRPO）与过程监督（PRM）核心原理，掌握大模型预训练、微调、推理全链路技术体系；具备大模型 Agent 架构设计或复杂长链条推理前沿研究经验者优先；

3、具备优秀的独立科研攻关与复杂问题拆解能力，能够精准挖掘医疗/工业级复杂场景下大模型长文本遗忘、逻辑幻觉、多 Agent 博弈冲突等核心技术瓶颈，独立完成原创算法方案设计、原理迭代与大规模集群实验验证，具备较强的问题复盘与技术优化思维；

4、拥有扎实的数理推导、算法建模与实验设计能力，可独立完成长序列循证推理、多模态联合表征、多体博弈决策模型构建及多维度性能对标分析；在 ICLR、NeurIPS、ICML、ACL、EMNLP 等顶级学术会议或期刊有长序列建模、复杂 Reasoning、Multi-Agent 或医疗大模型相关论文发表者优先；

5、具备良好的跨学科沟通表达与团队协同能力，拥有较强的技术敏感度与严谨的临床/工程安全意识，能够将前沿算法创新精准转化为可落地的工业级 Agent 解决方案，抗压能力强，能够适配工业级前沿算法研发节奏。