FEAT多智能体法医AI系统研究总结与核心内容翻译一、文章主要内容总结该研究针对法医死因判定面临的人员短缺、诊断差异大等系统性挑战（尤其在中国法医体系中），提出了名为FEAT（ForEnsic AgenT）的多智能体AI框架，旨在通过领域适配的大型语言模型（LLM）实现死亡调查的自动化与标准化。1. 研究背景与问题全球法医服务需求因人口增长、城市化等因素上升，中国每年需处理数万起法医学案例（凶杀、事故、不明原因医院死亡等），但全国仅约1.2万名持证法医病理学家服务14亿多人口，人员严重短缺导致法医年均尸检量远超建议的250例上限，准确性下降且案件积压。死因分析本身复杂，需整合尸检结果、毒理学报告、病史、犯罪现场数据等多源证据，而中国区域发展不均进一步加剧法医判定质量差异，即使资深专家也需频繁参考资料或咨询同行。现有AI系统存在局限：早期法医专家系统任务单一，无法整体评估案件；近期医疗AI模型输出缺乏推理链，且多数无工具使用能力，易产生幻觉；新兴智能体框架（如MedAgent）侧重通用医疗，依赖未经过法医语料训练的通用LLM，难以适配中国法医领域术语与实践。2. FEAT系统架构与功能FEAT采用模块化架构，模拟人类法医专家协作流程，核心包含四大组件，形成迭代推理循环：Planner（规划器）：类似首席法医病理学家，接收多源案件信息（现场摘要、尸检报告等）后，通过思维