Para peneliti mengusulkan SAGEAgent, agen klinis berbasis LLM yang berevolusi sendiri yang secara aktif memutuskan modalitas diagnostik mana yang harus diperoleh untuk pasien kanker, menyeimbangkan akurasi prediktif terhadap invasivitas klinis. Sistem ini memformulasikan pemilihan modalitas sebagai masalah keputusan berurutan, memanfaatkan alat klinis, memori episodik, dan memori semantik untuk bernalar tentang keadaan diagnostik yang berkembang dari setiap pasien.
- SAGEAgent bernalar melalui alat klinis yang menerjemahkan prediksi numerik menjadi teks.
- Sistem ini menggunakan memori episodik untuk mengambil kasus masa lalu yang serupa dan memori semantik untuk pola keputusan yang dapat digunakan kembali.
- Eksperimen pada kohort glioma yang menggabungkan TCGA-LGG, TCGA-GBM, dan BraTS dengan empat modalitas diagnostik menunjukkan akurasi prediksi kelangsungan hidup yang kompetitif.
- Pendekatan ini mengurangi beban akuisisi rata-rata sebesar 55% dibandingkan dengan metode yang mengasumsikan semua modalitas tersedia.
Karya ini mengatasi keterbatasan metode kelangsungan hidup multimodal saat ini yang baik mengasumsikan ketersediaan data lengkap atau menangani data yang hilang secara pasif tanpa membenarkan akuisisi modalitas berikutnya.