Título: Uma Abordagem Multi Agentes de IA para Análise Multimodal e Gerenciamento Personalizado Da Doença De Parkinson
Autores: Eugenio Peixoto Junior, Felipe Cordeiro de Sousa, Danilo Felipe Neto & Victor Hugo de Albuquerque
Resumo: O trabalho tem como base em uma arquitetura colaborativa multimodal, composta por agentes autônomos especializados e impulsionados por Modelos de Linguagem de Larga ou Pequena Escala (LLMs/SLMs). A abordagem integra avanços recentes em DataOps, LLMOps e VLMOps, bem como estratégias de Recuperação Aumentada por Geração (RAG), incluindo variantes como Multimodal RAG, possibilitando a fusão eficiente de modalidades heterogêneas como texto clínico, exames de imagem, sinais sensoriais e gravações de voz, levando isso em conta, este estudo se diferencia por integrar, múltiplos modelos resultantes. A metodologia inclui avaliações de custo computacional e eficiência operacional em ambientes simulados de produção, considerando métricas como uso de GPU, custo por chamadas de LLMs e escalabilidade da infraestrutura. Além disso, agentes inteligentes empregam técnicas de Aprendizado por Reforço (RL) em fase de pós-treinamento para adaptar estratégias de inferência com base em recompensas derivadas de métricas clínicas. Os experimentos demonstraram desempenho competitivo entre diferentes classificadores, com destaque para o Gradient Boosting (acurácia de 83,85%, F1-score de 88,74%) e HistGradient Boosting (acurácia de 82,92%, F1-score de 88,12%, AUC-ROC de 0.909.), superando abordagens tradicionais de Machine Learning (ML) em robustez multimodal, porém em modelos convencionais, como SVM e KNN se mostraram, em alguns casos mais robustos em suas métricas de sensibilidade, identificando uma alta taxa de falsos positivos. A proposta se destaca pela capacidade de integração com fluxos clínicos reais, com potencial para se tornar um modelo de referência para plataformas neurointeligentes aplicadas à saúde digital. Esses resultados reforçam a eficácia da abordagem proposta, demonstrando o potencial dos sistemas multiagentes colaborativos com RAG multimodal para a detecção precoce e precisa da Doença de Parkinson.
Palavras-chave: Parkinson’s Disease; Multi-Agents; Machine Learning; Deep Learning; Convolutional Neural Networks; Multimodal RAG; Medical Diagnosis; Multimodal Fusion.
Páginas: 6
Código DOI: 10.21528/CBIC2025-1191926
Artigo em PDF: CBIC_2025_paper1191926.pdf
Arquivo BibTeX:
CBIC_2025_1191926.bib