Badacze z arXiv opublikowali MA-RAG, innowacyjny framework, który wykorzystuje wieloagentowe generowanie wzbogacone retriewalem do analizy klinicznych danych pacjentów z chorobą Parkinsona. System rozwiązuje problem, z którym mierzą się duże modele językowe - mimo zdolności do generowania naturalnych podsumowań, brakuje im klinicznej precyzji i często halucynują fakty, zwłaszcza przy pracy ze skomplikowanymi danymi longitudinalnymi.
MA-RAG dzieli zadanie kliniczne na wyspecjalizowane domeny obsługiwane przez różne agenty. System obsługuje cztery typy analiz: podsumowania pojedynczej sesji, analizę trajektorii zmian, porównania między wizytami oraz analizę kohort pacjentów. Każdy agent skupia się na wydobyciu strukturalnych faktów i konsystencji czasowej danych, a końcowy etap weryfikacji zapewnia gruntowność medyczną całego wyjścia.
Wyniki są imponujące. Porównując z tradycyjnym RAG i jednomdentonymi podejściami, MA-RAG osiągnął precyzję faktyczną 0.990 w porównaniu z wyjściowym 0.436, czyli wzrost o 122 procent. Halucynacje spadły drastycznie z 0.564 do zaledwie 0.010 - redukcja o 98 procent. Eksperci kliniczni ocenili system jako znacznie bardziej użyteczny i lepiej zorganizowany. Dla lekarzy zajmujących się Parkinsonem to oznacza potencjał do automatyzacji czasochłonnych interpretacji badań bez utraty dokładności, co mogłoby zmienić przepływ pracy w klinikach neurologicznych.