Resumen: La interpretación de imágenes clínicas es inherentemente de múltiples pasos y está centrada en herramientas: los médicos combinan de manera iterativa evidencia visual con el contexto del paciente, cuantifican los hallazgos y refinan sus decisiones a través de una secuencia de procedimientos especializados. Si bien los agentes basados en LLM prometen orquestar herramientas médicas tan heterogéneas, los sistemas existentes tratan los conjuntos de herramientas y las estrategias de invocación como estáticos después de su implementación. Este diseño es frágil ante los cambios de dominio del mundo real, entre tareas y requisitos de diagnóstico en evolución, donde las cadenas de herramientas predefinidas con frecuencia se degradan y exigen un costoso rediseño manual. Proponemos MACRO, un agente médico autoevolutivo y con experiencia aumentada que pasa de la composición de herramientas estáticas al descubrimiento de herramientas basado en la experiencia. A partir de trayectorias de ejecución verificadas, el agente identifica de forma autónoma secuencias efectivas recurrentes de herramientas de varios pasos, las sintetiza en herramientas compuestas reutilizables y las registra como nuevas primitivas de alto nivel que expanden continuamente su repertorio de comportamiento. Una memoria liviana de características de imagen fundamenta la selección de herramientas en un contexto visual-clínico, mientras que un circuito de entrenamiento similar a GRPO refuerza la invocación confiable de compuestos descubiertos, lo que permite la superación personal de circuito cerrado con una supervisión mínima. Amplios experimentos en diversos conjuntos de datos y tareas de imágenes médicas demuestran que el descubrimiento autónomo de herramientas compuestas mejora consistentemente la precisión de la orquestación de múltiples pasos y la generalización entre dominios sobre líneas de base sólidas y métodos agentes de última generación recientes, cerrando la brecha entre el frágil uso de herramientas estáticas y la asistencia de IA clínica adaptativa y consciente del contexto. El código estará disponible al momento de la aceptación.
Publicado originalmente en export.arxiv.org el 8 de marzo de 2026.
Ver fuente original
