Cet article explore les Decision Transformers comme une architecture d'IA révolutionnaire pour l'oncologie de précision, soulignant la nécessité cruciale d'aligner ces modèles avec le raisonnement clinique humain. Il insiste sur l'importance de l'utilité clinique et du déploiement durable, au-delà de la simple précision statistique.
Début 2024, l'auteur a découvert une asymétrie significative dans le flux de données cliniques au sein des flux de travail en oncologie, caractérisée par des décalages temporels et linguistiques. Cette prise de conscience a mené à une plongée approfondie dans l'extraction de modèles temporels auto-supervisés pour l'oncologie de précision, axée sur la compréhension des fonctions réelles des flux de travail cliniques.
Cet article propose OncoAgent, un cadre multi-agent à deux niveaux pour le soutien à la décision clinique en oncologie, axé sur la préservation de la vie privée. Le système vise à améliorer le diagnostic et le traitement du cancer tout en maintenant la confidentialité des données des patients.