Überblick
MedDiagnose AI ist eine Erkundung von Multi-Agent-KI, angewandt auf eines der schwierigsten Interaktionsprobleme: Patientinnen und Patienten dabei zu helfen, ihre Symptome zu verstehen. Nutzer beschreiben ihre Beschwerden per Chat, Sprache, annotierten Fotos oder über eine interaktive Körperkarte, und eine Pipeline kooperierender KI-Agenten erstellt eine strukturierte Differenzialdiagnose, Behandlungsvorschläge, Kontraindikationsprüfungen und einen verständlich formulierten Bericht mit PDF-Export. Es handelt sich um ein Lern- und Demonstrationssystem mit deutlich sichtbaren Haftungsausschlüssen — eine Designstudie zu sicherer, strukturierter medizinischer KI, kein klinisches Gerät.
Die Agenten-Pipeline
Die Diagnose durchläuft sieben Stufen: Ein Triage-Agent strukturiert die Aufnahme, dann arbeiten Diagnostiker- und Recherche-Agenten parallel, eine Spezialistenstufe leitet an einen von fünf Fach-Sub-Agenten weiter (Kardiologie, Neurologie, Dermatologie, Gastroenterologie, Psychiatrie), gefolgt von Behandlung, Sicherheit und schließlich einem Empathie-Agenten, der klinische Befunde in menschliche Sprache übersetzt. Die Agenten beraten sich über einen asynchronen Message-Bus, Agenten für Wechselwirkungen und medizinische Bildgebung tragen bei Bedarf bei, und ein selbstlernender Qualitätsauditor prüft die Ergebnisse. Der Fortschritt wird per Server-Sent Events live in den Browser gestreamt.
Multi-Provider-KI
Die LLM-Schicht ist anbieterunabhängig: Claude ist die primäre und empfohlene Engine, OpenAI und Gemini dienen als Alternativen, und Whisper übernimmt die Sprachtranskription. Damit wurde das System zu einem funktionierenden Prüfstand für den Vergleich von Modellverhalten bei identischen strukturierten Reasoning-Aufgaben.
Technische Highlights
- FastAPI-Backend mit SQLAlchemy 2, Alembic-Migrationen, PostgreSQL, Redis und Rate Limiting
- Vue-3-+-Vite-Frontend mit Capacitor-Mobile-/PWA-Packaging und i18n in 12 Sprachen
- Stripe-Abonnements, ein Admin-Dashboard mit 16 Seiten, Entwickler-API-Portal und White-Label-Theming
- Testabdeckung mit pytest, Vitest und Playwright-End-to-End-Suiten; Deployment via Docker Compose
Ergebnis
Eine vollständige, sicherheitsbewusste Referenzarchitektur für Multi-Agent-KI in einer hochsensiblen Domäne — strukturierte Pipelines, Spezialisten-Routing, Auditierung und ehrliche Haftungsausschlüsse statt Black-Box-Antworten.