Pesquisadores propõem o SAGEAgent, um agente clínico baseado em LLM que evolui automaticamente e decide ativamente quais modalidades diagnósticas adquirir para pacientes com câncer, equilibrando a precisão preditiva contra a invasividade clínica. O sistema formula a seleção de modalidade como um problema de decisão sequencial, utilizando ferramentas clínicas, memória episódica e memória semântica para raciocinar sobre o estado diagnóstico em evolução de cada paciente.
- O SAGEAgent raciocina por meio de ferramentas clínicas que traduzem previsões numéricas em texto.
- Ele emprega memória episódica para recuperar casos passados semelhantes e memória semântica para padrões de decisão reutilizáveis.
- Experimentos em uma coorte de glioma combinando TCGA-LGG, TCGA-GBM e BraTS com quatro modalidades diagnósticas mostram precisão competitiva na previsão de sobrevivência.
- A abordagem reduz a carga média de aquisição em 55% em comparação com métodos que assumem que todas as modalidades estão disponíveis.
Este trabalho aborda a limitação dos métodos atuais de sobrevivência multimodal que ou assumem disponibilidade completa de dados ou lidam passivamente com dados ausentes sem justificar a aquisição de modalidades subsequentes.