摘要
相同的心房颤动在健康成年人中可能只是轻微的发现，而在有高血压的老年患者中却是抗凝治疗的依据：相同的信号，截然不同的决策。命名心律只是开始；决定患者结果的关键在于对整个记录的判断、对该心律对患者的意义以及应采取的措施。最近的研究将大型语言模型与心电图（ECG）结合，但仅限于读取单一记录，而未能形成患者级的发现；而基于此构建的智能系统要么接收已经由设备检测出的心律，要么针对不同的诊断任务，在此任务所需的决策之前停止。我们将患者级心律失常决策支持定义为一项任务，并提出了Cardiologent，这是一种覆盖从检测到决策的多智能体系统。
每个信号的智能体——单个ECG导联和可穿戴设备获取的光电容积脉搏波（PPG）——基于测量特征而非单纯的标签来确定其窗口读取；这些读取被整合到患者的心律档案中，并与患者自身的数据结合，依据检索到的临床指南进行推理，同时有一个批评者检查每个结论与其引用的指南的一致性。我们评估的是临床决策，而非报告，涵盖综合诊断、临床重要性、紧急性和管理。Cardiologent在每个维度上都得分最高，在所有患者级任务中均领先于心脏病专家和大规模LLM评审者——其与心脏病专家的协议（ICC 0.74, 0.66）与心脏病专家之间的协议（0.67）相当。由于每个结论都追溯到引用的指南，并经过专家心脏病医生的验证，最终得出的决策可供临床医生审计，而非盲目执行——这向持续监测的应用迈出了重要一步。
博主点评： Cardiologent系统的提出标志着心律失常管理的一个重要进步，通过多智能体的协作，能够更全面地评估患者的心律状态，并依据临床指南做出合理的决策。这种方法不仅提高了决策的透明度，也为持续监测提供了可靠的支持，有助于提升临床治疗的效果。其在临床应用中潜力巨大，值得进一步探索与发展。