Assistente Medico Basato su Multi-Agenti per Dispositivi Edge
Multi Agent based Medical Assistant for Edge Devices
March 7, 2025
Autori: Sakharam Gawade, Shivam Akhouri, Chinmay Kulkarni, Jagdish Samant, Pragya Sahu, Aastik, Jai Pahal, Saswat Meher
cs.AI
Abstract
I Large Action Model (LAM) hanno rivoluzionato l'automazione intelligente, ma la loro applicazione in ambito sanitario affronta sfide legate a preoccupazioni sulla privacy, latenza e dipendenza dall'accesso a Internet. Questo rapporto introduce un assistente sanitario multi-agente su dispositivo che supera queste limitazioni. Il sistema utilizza agenti più piccoli e specifici per ottimizzare le risorse, garantendo scalabilità e alte prestazioni. La nostra proposta funge da soluzione completa per le esigenze sanitarie, con funzionalità come prenotazione di appuntamenti, monitoraggio della salute, promemoria per i farmaci e report giornalieri sullo stato di salute. Alimentato dal modello Qwen Code Instruct 2.5 7B, gli agenti Planner e Caller raggiungono un punteggio RougeL medio di 85,5 per la pianificazione e 96,5 per le chiamate, pur essendo leggeri per il deployment su dispositivo. Questo approccio innovativo combina i vantaggi dei sistemi su dispositivo con le architetture multi-agente, aprendo la strada a soluzioni sanitarie centrate sull'utente.
English
Large Action Models (LAMs) have revolutionized intelligent automation, but
their application in healthcare faces challenges due to privacy concerns,
latency, and dependency on internet access. This report introduces an ondevice,
multi-agent healthcare assistant that overcomes these limitations. The system
utilizes smaller, task-specific agents to optimize resources, ensure
scalability and high performance. Our proposed system acts as a one-stop
solution for health care needs with features like appointment booking, health
monitoring, medication reminders, and daily health reporting. Powered by the
Qwen Code Instruct 2.5 7B model, the Planner and Caller Agents achieve an
average RougeL score of 85.5 for planning and 96.5 for calling for our tasks
while being lightweight for on-device deployment. This innovative approach
combines the benefits of ondevice systems with multi-agent architectures,
paving the way for user-centric healthcare solutions.