Az egészségügyben a komplex döntési folyamatok támogatása mára már elengedhetetlenné vált. Ebben a környezetben a klinikai döntéstámogató rendszerek már nem csupán kényelmi eszközök, hanem a precíziós orvoslás alapkövei. Felmerül a kérdés, hogy a mai modern nagy nyelvi modell-alapú ágensek milyen formában tudnak részévé válni ilyen döntéstámogató rendszereknek, annak ellenére is, hogy számos olyan problémája ismert a nagy nyelvi modelleknek, illetve ezekre épülő ágenseknek (pl.: hallucináció), amelyek megbízhatatlanná tehetik az ezekből felépülő rendszereket.

A hallgató feladata, egy olyan intelligens ágens(rendszer) megtervezése és kifejlesztése, amely megbízhatóan (ellenőrizhetően) tudja segíti az orvosokat a diagnózis felállításában, a terápiás terv kidolgozásában vagy a betegutak menedzselésében.

A hallgató feladatainak részletezése:

• a jelenlegi kutatások eredményeinek megismerése
• a modern ágenskeretrendszerek (OpenAI Agents SDK, A2A) megismerése
• egy olyan módszer / keretrendszer kidolgozása, amely lehetővé teszi, hogy az ágens megbízhatóan viselkedjen (pl.: megfelelő tudásbázis készítése, protokoll-követés megvalósítása stb.)
• a nagy nyelvi modell-alapú ágensek működésének megtervezése (prompt- tervezés, eszközök elkészítése, MCP stb.)
• az ágensek működésének nyomon követhetőségét segítő funkció elkészítése
• lehetséges kliensalkalmazás készítése a megtervezett rendszer működésének bemutatására
• megbízhatóság értékelését célzó módszerek vizsgálata (benchmarkolás, szakértői validáció)

Szükséges kompetenciák

A feladat sikeres megoldásához elemi programozói tudás (Python), valamint a nagy nyelvi modellek programozásának (promptolásának) alapszintű ismerete szükséges.

Megszerezhető képességek

A munka során a hallgató az alábbi modern technológiákban szerezhet gyakorlati jártasságot:

• LLM-ágens architektúrák és prompt engineering.
• Model Context Protocol (MCP) alkalmazása külső eszközök integrációjára.
• Retrieval-augmented generation (RAG), GraphRAG.
• LLM-alapú MI rendszerek nyomkövetése, teljesítménymérése és kiértékelése.

Irodalmak a tájékozódáshoz

1. Antropic: Model Context Protocol (MCP)
2. OpenAI Agents SDK és Google Agent to agent (A2A)
3. Harsha Nori et al., "Sequential Diagnosis with Language Models," 2025, https://arxiv.org/abs/2506.22405
4. Guideline Interchange Format orvosi döntési protokollok implementálására