VALIDAZIONE DI AGENTI CONVERSAZIONALI IN AMBITO MEDICO PEDIATRICO

This experimental thesis aims to validate and optimize conversational agents (chatbots) used in pediatric medical triage. Through stress-testing methodologies applied to a real-world deterministic model (corporate case study: Oykomed), multiple multi-symptom clinical scenarios were analyzed to identify logical and structural criticalities, such as the redundancy of the intake flow and the rigidity of decision trees. The work explores the state-of-the-art technologies used in healthcare and proposes advanced solutions based on Big Data Analytics, Natural Language Processing (NLP), and multimodal interaction (Large Language Models) to overcome the limitations of traditional rule-based systems. The results of the study aim to define architectural guidelines to improve data collection accuracy, providing a smoother interaction for users (parents) and more structured decision support for pediatricians.

La presente tesi sperimentale si pone l'obiettivo di validare e ottimizzare gli agenti conversazionali (chatbot) impiegati nel triage medico pediatrico. Attraverso metodologie di stress-testing applicate a un modello deterministico reale (caso studio aziendale: Oykomed), sono stati analizzati molteplici scenari clinici multisintomo per identificare criticità logico-strutturali, quali la ridondanza del flusso di accettazione e la rigidità degli alberi decisionali. Il lavoro esplora lo stato dell'arte delle tecnologie impiegate in ambito sanitario e propone soluzioni avanzate basate su tecniche di Big Data Analytics, elaborazione del linguaggio naturale (NLP) e interazione multimodale (Large Language Models), al fine di superare i limiti dei tradizionali sistemi a regole fisse. I risultati dello studio mirano a definire linee guida architetturali per migliorare l'accuratezza della raccolta dati, fornendo un'interazione più fluida per gli utenti (genitori) e un supporto decisionale più strutturato per i pediatri.