Assistente Médico Baseado em Multiagentes para Dispositivos de Borda

Multi Agent based Medical Assistant for Edge Devices

March 7, 2025

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

cs.AI

Resumo

Os Modelos de Ação de Grande Escala (LAMs) revolucionaram a automação inteligente, mas sua aplicação na área da saúde enfrenta desafios devido a preocupações com privacidade, latência e dependência de acesso à internet. Este relatório apresenta um assistente de saúde multiagente e em dispositivo que supera essas limitações. O sistema utiliza agentes menores e específicos para cada tarefa, otimizando recursos, garantindo escalabilidade e alto desempenho. Nossa proposta atua como uma solução completa para necessidades de saúde, com funcionalidades como agendamento de consultas, monitoramento de saúde, lembretes de medicamentos e relatórios diários de saúde. Alimentado pelo modelo Qwen Code Instruct 2.5 7B, os Agentes de Planejamento e Chamada alcançam uma pontuação média RougeL de 85,5 para planejamento e 96,5 para chamadas em nossas tarefas, mantendo-se leve para implantação em dispositivos. Essa abordagem inovadora combina os benefícios de sistemas em dispositivo com arquiteturas multiagente, abrindo caminho para soluções de saúde centradas no usuário.

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.