Project Overview Statement — Cardiac Traceability Agent Framework

Problema / Opportunità

I sistemi di supporto alle decisioni cliniche basati su LLM (Large Language Models) soffrono di mancanza di trasparenza e tracciabilità. Ogni raccomandazione generata da un modello black-box può essere clinicamente rischiosa senza un meccanismo che ne registri la derivazione logica, le fonti e il passaggio di revisione umana. Il framework Cardiac Traceability Agent Framework (CTAF) si propone come soluzione multi-agente BDI (Jason/AgentSpeak) che orchestra un pipeline LLM, produce una traccia simbolica di ogni decisione e sottopone il risultato a revisione umana tramite web app, garantendo auditabilità completa.

Obiettivo del Progetto

Progettare e realizzare un framework multi-agente in Jason/AgentSpeak per il supporto decisionale clinico tracciabile in ambito cardiologico, integrando un pipeline LLM per l’elaborazione del linguaggio naturale e una web app per la revisione umana, con consegna di codice open-source su GitHub e documentazione completa entro Giugno 2026.

Obiettivi Specifici

ID	Obiettivo	Priorità MoSCoW	Criterio di Successo
O1	Runtime BDI: 4 agenti Jason (coordinator, reasoner, guardian, planner)	Must	Agenti operativi e cooperanti sul golden case gc04
O2	Pipeline LLM per estrazione claim e bozza regole	Should	Pipeline produce output JSON valido per almeno 3 casi d’uso
O3	Console web per la revisione umana delle raccomandazioni	Should	Review simulata completata con esito registrato
O4	Tracciabilità: structured trace per ogni decisione	Must	Ogni decisione produce traccia simbolica leggibile (Markdown/HTML)
O5	Golden case: validazione su gc00, gc04, gc_gray_zone	Must	3/3 golden case superati end-to-end
O6	Esecuzione CLI del flusso completo	Must	Comando ctaf run scenario.json completa il flusso
O7	Open source: repository GitHub con README e licenza	Could	Repository pubblicato con README e licenza MIT

Criteri di Successo (IRACIS)

IRACIS = Increased Revenue (IR), Avoided Cost (AC), Improved Service (IS). In un progetto accademico a budget zero i criteri sono interpretati in chiave di valore generato, costi evitati e qualità del servizio.

Categoria IRACIS	Criterio	Target	Misura
IR — Increased Revenue	Valore generato come base per progetti/tesi futuri	Framework riusabile e dimostrabile	Demo accettata + repository riutilizzabile
AC — Avoided Cost	Riuso dell’architettura per altri domini clinici	Componenti modulari riutilizzabili senza riscrittura	Architettura modulare documentata
IS — Improved Service	Trasparenza e tracciabilità delle decisioni	100% delle decisioni tracciate e 0 raccomandazioni senza revisione umana	Log di sistema per ogni ciclo BDI + audit tracce

Assunzioni, Rischi e Ostacoli

Categoria	Elemento
Assunzione	I membri del team hanno competenze di base in Jason/AgentSpeak
Assunzione	LLM API gratuita rimarrà disponibile per tutto il semestre
Rischio	Complessità di integrazione tra Jason runtime e pipeline Python
Rischio	Variazioni nelle API LLM durante lo sviluppo
Ostacolo	Timeline semestrale vincolata alla sessione estiva
Ostacolo	Documentazione Jason/AgentSpeak frammentata e di nicchia