PrivMeSA：隐私感知的自演化医疗多智能体系统
原文标题：PrivMeSA: Privacy-Aware Self-Evolving Multi-Agent System for Medicine via Local-Remote LLM Collaboration
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 PrivMeSA，一个隐私感知的自演化多智能体系统，本地智能体在咨询远程专家时通过强化学习在任务准确率与直接披露、基于登记库的重识别风险之间权衡，并用本地经验记忆沉淀通用临床指导以供复用。在基于 MIMIC-IV-ED 的急诊基准上，任务准确率最高提升 15.8 个百分点，个人信息披露率从 98.0% 降至 0.2%，可缩小至十名以内患者的情形从 74% 降至 0%。
- 问题
- 本地临床智能体咨询远程模型时，多轮对话中准标识符累积导致患者可被重识别。
- 方法
- 用强化学习在准确率与披露、重识别风险间权衡，并把咨询经验蒸馏为本地记忆复用。
- 结果
- MIMIC-IV-ED 急诊基准上准确率最高提升 15.8 个百分点，个人信息披露率从 98.0% 降至 0.2%，可缩至十人内患者的情形从 74% 降至 0%。
- 影响
- 证明隐私与性能可兼得，为医疗等敏感场景的本地—远程模型协作提供可落地的披露控制方案。
深读 · 结论先行AI 生成展开看要点与影响 ↓
PrivMeSA在MIMIC-IV-ED急诊基准上把个人信息披露率从98.0%降到0.2%，准确率最高提升15.8个百分点。
- •本地智能体在咨询远程专家时，用强化学习在任务准确率与直接披露、基于登记库的重识别风险之间权衡
- •隐私评估覆盖每次问诊的完整外发记录，而非仅去除显式标识符
- •本地经验记忆把已完成问诊蒸馏为通用临床指导，无需额外结果标签或参数更新即可复用
- •基于MIMIC-IV-ED的急诊基准上，平均任务准确率较委派方式最高提升15.8个百分点
- •个人信息披露率从98.0%降至0.2%，可缩小至十名以内患者的情形从74%降至0%
为什么重要：多轮问诊中准标识符会累积，仅去标识化不够；这条给出了「本地保留经验、少发原文」的可量化替代路径。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。