Ce document de travail présente une architecture de qualité production, axée sur la sécurité, pour un Coach de Santé IA conçu pour soutenir la sensibilisation précoce aux risques en utilisant des signaux de santé multisources. Le système ingère des flux portables et des entrées symptomatiques structurées, effectue une stratification des risques à l'aide de vérifications déterministes et de bandes de risque ML, et fonde les explications sur la récupération d'orientations cliniques organisées (RAG). Une couche LLM de garde-fou génère des explications non diagnostiques et des recommandations de prochaines étapes alignées sur des politiques d'escalade. La conception comprend des portes de sécurité, la gestion de l'incertitude, l'enregistrement des audits et la traçabilité pour permettre une responsabilité. Les considérations de déploiement couvrent l'orchestration des services, le versionnage des modèles, la surveillance (dérive, calibration, risque de fausse reassurance) et la gestion des données de santé consciente de la vie privée. L'objectif n'est pas de remplacer les cliniciens, mais d'opérationnaliser des décisions plus précoces et plus sûres dans les flux de travail du monde réel. Publié sous AIInovateHub comme un artefact d'architecture publique pour le recrutement, la collaboration et les discussions de projet pilote.
ganesh prasad bhandari (mar,) a étudié cette question.