Els models de llenguatge aplicats a la medicina solen funcionar com una caixa negra: se'ls dona una pregunta clínica i responen d'una tirada, sense que el professional pugui veure com han arribat a la conclusió ni verificar cada pas per separat, una opacitat que dificulta confiar-hi en decisions d'alt risc.
Un equip de Saisha Shetty, Satvik Tripathi i set coautors més, vinculat al laboratori RAIL de Penn Medicine, ha publicat a arXiv el preprint de MARC v1 («Multi-Agent Reasoning and Coordination»), un marc de codi obert que substitueix la consulta a un sol model per una orquestració determinista de diversos agents especialitzats: un s'encarrega d'extreure les dades rellevants, un altre de raonar-hi, un tercer de redactar la resposta i un quart de validar-la, amb un registre traçable de cada pas. Inclou també un mòdul «Decomposer» que genera automàticament les instruccions de cada agent a partir d'una descripció en llenguatge planer, per reduir la configuració manual, i funciona tant amb API de núvol com amb processadors locals, configurable només amb fitxers YAML sense tocar codi.
La proposta és rellevant perquè s'adreça explícitament a professionals clínics sense formació en programació: en comptes d'exigir coneixements tècnics per adaptar el sistema a un nou cas d'ús, el disseny busca que la interpretabilitat i la traçabilitat de cada resposta siguin accessibles per defecte, un dels dèficits que més es critica als assistents mèdics basats en un sol model de llenguatge. El codi ja és públic a GitHub sota llicència oberta.
El treball es presenta com a preprint, encara sense revisió per parells, i el resum disponible no inclou de moment resultats comparatius de precisió enfront de l'ús d'un sol model en tasques clíniques reals, de manera que la seva utilitat pràctica caldrà validar-la en avaluacions posteriors amb dades i professionals reals.