Dans cet article, nous présentons MESHAgents, un framework multi-agents basé sur un modèle de langage à grande échelle (LLM) pour l'analyse de l'imagerie des maladies cardiovasculaires. MESHAgents identifie automatiquement les dépendances non linéaires complexes entre les phénotypes d'imagerie et les facteurs de risque et les résultats de la maladie en s'appuyant sur des agents d'IA multidisciplinaires issus de la cardiologie, de la biomécanique, des statistiques et de la recherche clinique. Il s'agit d'une tentative de surmonter les limites des méthodes actuelles de tests d'hypothèses centrées sur l'humain et de sélection de facteurs corrélés. Les performances du système sont validées par une étude de population utilisant des phénotypes d'imagerie cardiaque et aortique. MESHAgents identifie des facteurs de confusion supplémentaires au-delà des facteurs démographiques standard, offre des performances similaires à celles des phénotypes sélectionnés par des experts et améliore la mémorisation pour des types de maladies spécifiques. Il offre une alternative évolutive aux approches pilotées par des experts.
