RAG Without Persona Modeling Fails Patient Clinical Relevance
Les plateformes de santé utilisent des pipelines RAG pour répondre à des questions médicales sans savoir qui pose la question, ce qui crée un problème de pertinence clinique. HPPIE propose une architecture RAG en trois étapes qui injecte une modélisation de persona avant la récupération, combine la similarité d'embeddings, BM25 et un score comportemental, et exécute l'inférence localement via Ollama. En modifiant l'embedding de la requête en fonction de l'âge, des médicaments, des allergies et des objectifs de santé, HPPIE a généré des ensembles de documents différents — par exemple du contenu musculosquelettique pour un coureur de 35 ans et une évaluation cardiaque pour un hypertendu de 65 ans. La dépendance à des attributs cliniques structurés expose une faiblesse : des personas incomplètes entraînent des résultats faussement assurés qui peuvent être plus dangereux que le RAG non personnalisé. Les questions ouvertes incluent la capacité de la récupération modifiée par persona à fonctionner à grande échelle, le compromis entre inference locale et qualité des modèles, et la nécessité d'une couche de validation des personas et d'une gouvernance de l'identité.