RAGMed : un assistant médical IA basé sur RAG pour améliorer la prestation des soins de santé

Les dossiers médicaux électroniques (DME) ont amélioré l'accès aux informations médicales, mais ont également introduit des défis pour les prestataires de soins, tels qu'une charge accrue de documentation et une réduction de l'interaction en face à face avec les patients. Pour atténuer ces problèmes, nous proposons RAGMed, un assistant IA basé sur la génération augmentée par récupération (RAG) conçu pour fournir des réponses automatisées et cliniquement fondées aux questions fréquentes des patients. Ce système combine une base de données vectorielle pour la récupération sémantique avec les capacités génératives d'un grand modèle de langage afin de fournir des réponses précises et fiables sans nécessiter d'intervention directe du médecin. En plus du soutien aux patients, l'assistant facilite la prise de rendez-vous et assiste les cliniciens en résumant les notes cliniques, rationalisant ainsi les flux de travail en santé. De plus, pour évaluer l'influence de la qualité de récupération sur la performance globale du système, nous comparons deux modèles d'encodage, gte-large et all-MiniLM-L6-v2, en utilisant des requêtes médicales réelles. Les modèles sont évalués dans le cadre du RAG-Triad Framework, axé sur la pertinence du contexte, la pertinence des réponses et la véracité factuelle. Les résultats indiquent que gte-large, grâce à ses embeddings de dimension supérieure, récupère un contexte plus informatif, aboutissant à des réponses plus précises et fiables. Ces résultats soulignent l'importance non seulement du potentiel d'intégrer des systèmes basés sur RAG pour alléger la charge des médecins et améliorer l'efficacité et l'accessibilité des soins, mais aussi de la dimension des modèles utilisés pour générer les embeddings, car cela influence directement la pertinence, la précision et la compréhension contextuelle des informations récupérées. Ce prototype est destiné à la réponse augmentée par récupération aux FAQ médicales et aux requêtes d'information générale, et n'est pas conçu pour un usage diagnostique ou des recommandations thérapeutiques sans validation professionnelle.