Utilizzo di tecniche RAG per la Valutazione e Comparazione dei Modelli LLM in ambito medico

La presente tesi esplora l'applicazione della tecnica Retrieval-Augmented Generation (RAG) combinata con diversi modelli di linguaggio di grandi dimensioni (LLM), con particolare attenzione all’ambito medico. L'obiettivo principale è analizzare come la tecnica RAG possa migliorare la qualità delle risposte generate, in particolare nell'identificazione di pattern clinici e nella personalizzazione delle strategie terapeutiche. Viene fornita una panoramica sull'evoluzione dei LLM, con un focus sulle applicazioni in ambito sanitario. Inoltre, la tesi valuta le performance dei modelli tramite la libreria RAGAS, analizzando metriche quali accuratezza, robustezza e fedeltà delle risposte in contesti clinici. Il lavoro culmina in un caso studio sulla gestione dell'ipertensione, utilizzando la tecnica RAG per migliorare la rilevazione e il monitoraggio continuo della pressione arteriosa. Si esplorano le potenzialità dell'IA nel superare le limitazioni dei metodi diagnostici tradizionali e nel supportare la personalizzazione delle terapie. I risultati evidenziano il potenziale dei LLM specializzati nell’ottimizzazione della gestione dei pazienti ipertesi, aprendo la strada a future applicazioni di IA nel settore sanitario, con impatti positivi sulla qualità della cura e l'efficienza operativa.