基于大语言模型的数字医学智能体 AutoDS 开发和验证研究

随着人工智能在医学领域的广泛应用，如何提升数字医学研究效率、降低研究门槛成为亟需突破的关键问题。传统数字医学研究高度依赖人工经验和复杂工具操作，限制了研究的可扩展性与自动化水平。为应对这一挑战，本研究基于大语言模型，开发面向数字医学研究的智能体系统 AutoDS。系统通过整合任务分析、数据处理、模型构建与结果生成等研究流程，致力于实现数字医学研究过程的全流程自动化。本项目拟使用五个涵盖不同研究场景和数据类型的医学数据集，对 AutoDS 完成任务的表现进行评估，包括模型准确性、灵敏度、特异度等关键性能指标，以及运行效率和计算资源成本。研究将初步验证 AutoDS 在多类数字医学任务中的应用潜力，为推动数字医学研究范式变革与 AI 驱动科研模式的建立提供重要支撑，具有显著的科学价值与实践意义。