Resumo Técnico: Roteamento de Agentes Especialistas em Múltiplas Etapas e Esparsidade para Raciocínio Clínico Complexo

Declaração do Problema

O diagnóstico clínico complexo é inerentemente um processo dinâmico e de múltiplas etapas, onde a evidência se acumula ao longo do tempo (ex: sintomas iniciais, resultados laboratoriais, exames de imagem, patologia, acompanhamentos). Clinicos revisam continuamente as hipóteses diagnósticas à medida que novos dados chegam e frequentemente consultam diferentes especialidades médicas dependendo da natureza evolutiva do caso. No entanto, os sistemas de raciocínio clínico existentes baseados em Grandes Modelos de Linguagem (LLMs) operam tipicamente em um de dois modos subótimos:

1. Predição de passagem única: Processa toda a descrição do caso de uma só vez, falhando em modelar a evolução temporal da evidência.
2. Fluxos de trabalho de múltiplos agentes fixos: Envolve um conjunto estático de agentes, independentemente da etapa específica da evidência, levando ou a uma participação de especialistas estática ou a uma consulta desnecessariamente exaustiva.

Essas abordagens falham em acoplar a participação de especialistas com a chegada gradual de evidências clínicas, resultando em uso ineficiente de recursos, opiniões redundantes e falta de adaptabilidade às mudanças nas questões diagnósticas. Além disso, avaliar o output de tais sistemas é desafiador; métricas padrão dependem frequentemente de similaridade textual superficial em vez de consistência factual com a evidência clínica.

Metodologia

Os autores propõem o Roteamento de Agentes Especialistas em Múltiplas Etapas e Esparsidade, um framework que modela o diagnóstico como um processo de roteamento por estágios, onde a ativação do especialista é condicional ao estado atual do caso e à evidência disponível.

1. Arquitetura do Framework

O sistema processa entradas clínicas multimodais (demografia, sintomas, laboratórios, imagem, etc.) organizadas em blocos sequenciais de evidência.

• Evolução de Estado por Estágio: O sistema mantém uma representação evolutiva do caso $h^{(s)}$. Em cada estágio $s$, nova evidência $x^{(s)}$ é codificada e concatenada com o estado anterior para formar uma representação entre estágios.
• Mecanismo de Roteamento Dinâmico: Um módulo de roteamento atribui uma pontuação de ativação para cada agente especialista candidato com base no estado atual.
  • Atualização de Estado Interno: Os estados de roteamento são atualizados ao longo de passos internos $t$ usando um coeficiente de decaimento $\lambda$, permitindo que a ativação emerja progressivamente em vez de via um gating estático de uma única etapa.
  • Limiar Adaptativo: Para evitar a sobreativação persistente, um limiar adaptativo $\theta$ é aplicado, que aumenta com base no histórico de ativação recente ($a^{(s)}$).
  • Inibição ao Nível da População: Um mecanismo controla a taxa média de ativação $r^{(s)}$ entre todos os agentes. Se a atividade da população exceder um alvo $\rho$, um termo de inibição lateral $\eta$ eleva o limiar de seleção, garantindo esparsidade.
  • Mascaramento Binário: Uma máscara binária $m^{(s)}_i$ é derivada das pontuações contínuas para determinar quais agentes específicos são invocados para o raciocínio naquele estágio.
• Memória do Especialista: O framework utiliza memória específica do especialista para preservar papéis profissionais e o contexto relevante do caso entre os estágios, permitindo que o raciocínio posterior construa sobre achados anteriores sem reconsultar todo o pool.

2. Objetivo de Treinamento

O modelo é treinado usando uma função de perda conjunta $\mathcal{L}$ que equilibra a qualidade diagnóstica com a eficiência do roteamento:

• Consistência Diagnóstica ($L_{final}$): Mede a consistência semântica entre o output final e a referência.
• Custo de Energia ($L_{energy}$): Penaliza o custo de invocação dos especialistas e o overhead de ativar qualquer agente em um estágio.
• Regularização de Entropia ($L_{entropy}$): Incentiva padrões de ativação diversos para evitar o colapso de modo.
• Restrição de Taxa de Ativação ($L_{rate}$): Impõe uma taxa média de ativação alvo para manter a esparsidade.

3. Protocolo de Avaliação: ClinFEScore

Para abordar as limitações de métricas de similaridade superficial, os autores introduzem o ClinFEScore, um protocolo de avaliação semântica consciente de fatos.

• Processo: Um extrator baseado em LLM identifica declarações fatuais clinicamente importantes tanto da conclusão gerada quanto da resposta de referência.
• Métricas: Esses fatos são codificados em um espaço semântico biomédico compartilhado para calcular:
  • Similaridade de Fatos: Sobreposição semântica geral.
  • Precisão de Fatos: O quão bem a referência suporta os fatos gerados.
  • Recall de Fatos: O quão bem a conclusão gerada cobre os fatos da referência.

Principais Contribuições

1. Roteamento de Agentes Especialistas em Múltiplas Etapas e Esparsidade: Um framework sensível aos estágios onde a ativação do especialista é uma decisão dependente de evidência atualizada ao longo do caso, em vez de um fluxo de trabalho fixo.
2. ClinFEScore: Um novo protocolo de avaliação para conclusões clínicas de texto livre que mede a consistência factual e a cobertura, validado contra julgamentos clínicos.
3. Validação Empírica: Demonstrações de que o roteamento esparso preserva a qualidade diagnóstica enquanto reduz significativamente os custos computacionais e de consulta, validados em datasets reconstruídos e casos reais de hospitais.

Resultados Experimentais

O framework foi avaliado em casos reconstruídos de múltiplas etapas do MAC e AgentClinic-NEJM, bem como em 200 casos reais de Equipes Multidisciplinares (MDT) de hospitais.

Desempenho Quantitativo (MAC & AgentClinic-NEJM)

• Eficiência: O framework de roteamento esparso reduziu o número médio de agentes especialistas ativados de 17,0 (consulta completa de múltiplas etapas) para 3,0, reduzindo também o custo de energia simulado de 34,2 para 7,15.
• Qualidade: Apesar da redução de agentes, o framework manteve ou melhorou a qualidade diagnóstica. A melhor configuração (Esparsidade + Memória) alcançou submétricas de ClinFEScore de 0,9940 (Similaridade), 0,9792 (Precisão) e 0,9780 (Recall), superando modelos de consulta total (0,9845, 0,9706, 0,9690) e baselines de agente único.
• Ablação: O framework provou ser robusto em diferentes modelos de backbone (incluindo MedGemma-4B e Hulu-Med-4B), sugerindo que os ganhos são impulsionados pela arquitetura de roteamento, não por um LLM específico. Camadas de roteamento mais profundas (4 vs. 2) não trouxeram ganhos significativos e levaram ao colapso de padrão.

Avaliação de MDT do Mundo Real

• Concordância de Clínicos: Três clínicos avaliaram as conclusões geradas em 200 casos reais, mostrando forte concordância (média de kappa ponderado $\kappa = 0,93$).
• Correlação de Métricas: O ClinFEScore correlacionou-se fortemente com os julgamentos dos clínicos (Spearman $\rho = 0,81$; Pearson $r = 0,87$).
• Acurácia e Custo: O framework alcançou 91,5% de acurácia diagnóstica verificada por clínicos com aproximadamente cinco chamadas de agente-especialista/LLM por caso. Isso superou o MedAgents (166/200 corretos, ~17 chamadas) e o MDAgents (174/200 corretos, ~7 chamadas).

Significância e Alegações

O artigo afirma que a coordenação esparsa por estágios é uma abordagem clinicamente relevante e eficiente para o raciocínio clínico baseado em LLM. Ao tratar a participação do especialista como uma decisão dinâmica ligada à progressão da evidência, o sistema evita as ineficiências clínicas e computacionais de uma consulta exaustiva. A introdução do ClinFEScore fornece um padrão mais rigoroso para avaliar outputs de raciocínio clínico, indo além da correspondência superficial de texto para a consistência factual. Os autores concluem que sua abordagem equilibra com sucesso a qualidade diagnóstica com restrições de recursos, tornando-a um modelo viável para suporte à decisão clínica no mundo real, onde a disponibilidade de especialistas é limitada.