李彦增关于构建基于知识图谱控制的多Agent大模型虚拟病人的工作被IJCAI 2025 Demo Track录用。

MedDiT针对医学教育中模拟患者招募成本高、医学影像数据集多样性有限等核心挑战，提出了一种创新框架——通过动态生成与模拟患者症状相符的合理医学图像，提升教学沉浸感。该框架整合了患者知识图谱，引导大语言模型精准控制患者特征（如症状、人口统计学信息），有效减少医学对话中的幻觉现象；随后，基于知识图谱中指定的患者属性，利用精细调优的DiT模型生成高质量医学图像，从而支持多样化临床病例的仿真模拟。