Agenti AI in Radiologia: un passo verso l'autonomia

La radiologia moderna si affida a flussi di lavoro complessi, dove i medici combinano l'analisi visiva delle immagini con i dati clinici dei pazienti, quantificando i risultati attraverso procedure specialistiche. Gli agenti basati su LLM (Large Language Models) promettono di orchestrare questi strumenti eterogenei, ma i sistemi attuali tendono a trattare gli strumenti e le strategie di utilizzo in modo statico.

MACRO: Apprendimento continuo per l'imaging medico

La soluzione proposta, denominata MACRO, introduce un agente medico auto-evolvente che passa dalla composizione statica degli strumenti alla scoperta di strumenti guidata dall'esperienza. MACRO identifica autonomamente sequenze di strumenti multi-step efficaci, le sintetizza in strumenti compositi riutilizzabili e li registra come nuove primitive di alto livello, espandendo continuamente il proprio repertorio comportamentale.

Dettagli dell'implementazione

Un sistema di memoria leggera basato su feature estratte dalle immagini guida la selezione degli strumenti nel contesto visivo-clinico. Un ciclo di training rinforza l'utilizzo affidabile dei compositi scoperti, consentendo un auto-miglioramento a ciclo chiuso con supervisione minima. I test su diversi dataset di imaging medico dimostrano che la scoperta autonoma di strumenti compositi migliora l'accuratezza dell'orchestrazione multi-step e la generalizzazione cross-domain rispetto ai metodi esistenti.