エッジデバイス向けマルチエージェント医療アシスタント

Multi Agent based Medical Assistant for Edge Devices

March 7, 2025

著者: Sakharam Gawade, Shivam Akhouri, Chinmay Kulkarni, Jagdish Samant, Pragya Sahu, Aastik, Jai Pahal, Saswat Meher

cs.AI

要旨

大規模行動モデル（LAMs）はインテリジェントオートメーションに革命をもたらしましたが、医療分野での応用にはプライバシー問題、レイテンシ、インターネット接続への依存といった課題が存在します。本報告書では、これらの制限を克服するオンデバイス型マルチエージェント医療アシスタントを紹介します。このシステムは、より小型でタスク特化型のエージェントを活用し、リソースの最適化、スケーラビリティ、および高性能を実現します。提案するシステムは、予約管理、健康モニタリング、服薬リマインダー、日々の健康レポートといった機能を備えた、医療ニーズに対するワンストップソリューションとして機能します。Qwen Code Instruct 2.5 7Bモデルを搭載したプランナーエージェントとコーラーエージェントは、タスクにおける計画立案で平均RougeLスコア85.5、呼び出しで96.5を達成しつつ、オンデバイス展開に適した軽量性を維持しています。この革新的なアプローチは、オンデバイスシステムの利点とマルチエージェントアーキテクチャを組み合わせ、ユーザー中心の医療ソリューションへの道を切り開くものです。

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.