MedClarify：一种用于医学诊断的信息寻求AI代理，可生成针对具体病例的后续问题

大型语言模型（LLMs）在医学诊断任务中的应用日益增多。在临床实践中，正确的诊断通常无法仅从初始患者表现中直接得出，而需要通过系统性病史采集和迭代提问来排除多种潜在疾病并解决不确定性。本文提出MedClarify，一种信息寻求型AI代理，能够生成后续问题以支持诊断决策。该代理首先计算类似鉴别诊断的候选诊断列表，然后主动生成旨在减少诊断不确定性的后续问题。通过选择预期信息增益最高的问题，MedClarify实现了有针对性、基于不确定性的推理，从而提升诊断性能。实验表明，与标准单次提示LLM基线相比，该方法可将诊断错误率降低约27个百分点。