AgentMD

AgentMD je experimentální systém AI agenta, který automatizuje vyhledání, vytvoření a použití klinických kalkulátorů pro predikci rizik. Byl vyvinut týmem National Library of Medicine (NIH, USA) a publikován v říjnu 2025 v časopise Nature Communications.

Pozadí a motivace

Klinické kalkulátory (skórovací systémy) podporují odhad rizika a klinické rozhodování (např. HEART pro odhad kardiálního rizika nebo CURB-65 u pneumonie). V rutinní praxi však jejich používání naráží na několik bariér: je nutné vědět, který kalkulátor zvolit a kdy, často chybí dobrá integrace do elektronické zdravotnické dokumentace (EHR) a manuální zadávání údajů je časově náročné a chybové. Šíření nových kalkulátorů do praxe navíc bývá pomalé.

Velké jazykové modely a na nich postavení AI agenti mohou část těchto kroků automatizovat (výběr vhodného nástroje, extrakce vstupů z textu, spuštění výpočtu a srozumitelné shrnutí výsledku).

Popis systému AgentMD

AgentMD je navržen ve dvou komplementárních rolích: jako tvůrce nástrojů (tool builder) a uživatel nástrojů (tool user). Architektura je popisována jako nezávislá na konkrétním LLM (LLM-agnostic).

Tvůrce nástrojů (tool builder)

V roli tvůrce nástrojů AgentMD prochází databázi PubMed a identifikuje publikace popisující klinické kalkulátory. Z textu publikace následně:

1. extrahuje strukturu kalkulátoru, vstupní proměnné a interpretaci výsledků,
2. generuje spustitelnou implementaci (např. funkci v Pythonu),
3. provede automatizovanou kontrolu kvality a jednotkové testy (unit tests).

Výstupem je knihovna RiskCalcs obsahující 2 164 spustitelných klinických kalkulátorů napříč medicínskými obory.

Uživatel nástrojů (tool user)

V roli uživatele nástrojů AgentMD při zadaném klinickém scénáři (např. text příjmové zprávy) typicky:

1. vybere relevantní kalkulátory z knihovny RiskCalcs,
2. extrahuje požadované vstupní parametry z klinického textu,
3. provede výpočet a vytvoří interpretaci výsledku,
4. připraví shrnutí pro klinika nebo pro analytické účely.

Výsledky hodnocení

Kvalita knihovny RiskCalcs

Manuální hodnocení (anotátoři, dva vzorky – 50 nejcitovanějších a 50 náhodně vybraných kalkulátorů) uvádí:

• přesnost kontroly kvality >85 %,
• úspěšnost jednotkových testů >90 %.

Benchmark RiskQA

Pro hodnocení výběru a aplikace kalkulátorů byl sestaven dataset RiskQA (350 úloh s výběrem odpovědí). Autoři porovnávají AgentMD s baseline založenou na GPT-4 bez agentního rámce a bez přístupu ke knihovně kalkulátorů (promptování typu chain-of-thought).

Model	Přesnost (accuracy)
AgentMD	87,7 %
GPT-4 (bez agentního rámce, bez RiskCalcs)	40,9 %

Validace na reálných datech

Autoři dále hodnotí použitelnost na klinických poznámkách (extrakce vstupů, výpočet a sumarizace výsledků) ve dvou datasetech:

Datová sada	Popis	Příklad typu úlohy
Yale Medicine ED notes	698 příjmových poznámek z urgentního příjmu	Individuální predikce rizik ve vybraných scénářích
MIMIC-III	9 822 příjmových poznámek z JIP/ICU	Populační analýzy (agregované charakteristiky a rizika)

Bezpečnost a klinické použití

AgentMD je popsaný jako výzkumný rámec a jeho výsledky nelze bez dalšího považovat za podklad pro autonomní klinické rozhodování. I při správném výběru kalkulátoru může dojít k chybám při extrakci vstupních proměnných z volného textu, při mapování proměnných na definice z publikace nebo při interpretaci výstupu v kontextu konkrétního pacienta.

Pro praktické nasazení je proto nutná:

• další klinická validace v širších a heterogenních souborech,
• testování robustnosti (chybějící/atypické vstupy, neúplná dokumentace),
• bezpečné zapojení do pracovních postupů a EHR,
• jasné vymezení odpovědnosti a etických pravidel při použití AI v klinickém prostředí.

Mini-kazustika (ilustrační příklad)

Hypotetický scénář: pacient přijat s podezřením na komunitní pneumonii; v textu příjmu jsou uvedeny např. věk, dechová frekvence, krevní tlak, stav vědomí a laboratorní údaj o uree.

Možný postup v rámci AgentMD:

1. Agent z klinického textu rozpozná, že je vhodné použít např. CURB-65 (pokud jsou dostupné vstupy).
2. Z textu vytěží potřebné proměnné (nebo označí chybějící hodnoty).
3. Spustí výpočet skóre a vrátí výsledek společně s přehledem použitých vstupů a interpretací skóre dle definice kalkulátoru.
4. Upozorní na nejistoty (chybějící/nejednoznačné údaje) a nutnost klinické kontroly.

Tento příklad ukazuje princip „tool-augmented AI“, tj. orchestraci formálně definovaného nástroje (kalkulátoru) jazykovým modelem, nikoli nahrazení klinického úsudku.

Význam pro medicínskou informatiku a vzdělávání

AgentMD je příkladem přístupu tool-augmented AI, kdy LLM neplní jen roli generátoru textu, ale koordinuje použití specializovaných nástrojů (zde klinických kalkulátorů). To je relevantní zejména v kontextu:

• klinické podpory rozhodování (CDS),
• automatizace práce s EHR,
• tzv. „ambient AI“ a AI scribů (zpracování klinické dokumentace),
• výuky práce s klinickými skórovacími systémy.

Dostupnost (článek, kód)

Publikace je dostupná jako open access a je licencována pod Creative Commons Attribution 4.0 (CC BY 4.0). Implementace a doprovodné materiály jsou dostupné v repozitáři NCBI-NLP na GitHubu.

Externí odkazy

• Původní článek v Nature Communications (open access)
• Preprint na arXiv
• Repozitář GitHub (kód a materiály)