Yeawon Lee Xiaoyang Wang Christopher C. Yang

Résumé

L’interprétation précise des récits cliniques est essentielle pour la prise en charge des patients, mais la complexité de ces notes rend leur automatisation particulièrement difficile. Bien que les grands modèles linguistiques (Large Language Models, LLM) montrent un potentiel prometteur, les approches fondées sur un seul modèle peuvent manquer de robustesse dans des tâches cliniques à enjeux élevés. Nous introduisons un système collaboratif à multiples agents (multi-agent system, MAS) qui modélise une équipe de consultation clinique afin de combler cette lacune. Ce système doit identifier les problèmes cliniques en n’analysant que les sections Subjective (S) et Objective (O) des notes SOAP, en simulant ainsi le raisonnement diagnostique consistant à synthétiser des données brutes en un diagnostic. Un agent Manager orchestre une équipe dynamiquement composée d’agents spécialisés, qui s’engagent dans un débat hiérarchique et itératif afin d’atteindre un consensus. Nous avons évalué notre MAS par rapport à une référence à agent unique sur un jeu de données soigneusement sélectionné comprenant 420 notes MIMIC-III. La configuration dynamique à plusieurs agents a démontré une performance améliorée de manière constante dans la détection de l’insuffisance cardiaque congestive, des lésions rénales aiguës et de la septicémie. Une analyse qualitative des débats entre agents révèle que cette architecture permet efficacement de mettre en lumière et de peser les preuves contradictoires, bien qu’elle puisse parfois être sujette à la pensée de groupe. En modélisant le processus de raisonnement d’une équipe clinique, notre système ouvre une voie prometteuse vers des outils de soutien à la décision clinique plus précis, robustes et interprétables.