This paper presents a novel Agentic AI framework for multimodal medical diagnosis that integrates custom-developed Explainable AI (XAI) models specifically tailored for distinct clinical cases. The system employs an AI agent as an orchestrator that dynamically coordinates multiple verified diagnostic models including UBNet for chest X-ray analysis, Modified UNet for brain tumor MRI segmentation, and K-means based cardiomegaly detection. Each model has undergone rigorous clinical validation. Experimental results demonstrate 18.7% improvement in diagnostic accuracy, with XAI confidence scores reaching 91.3% and diagnosis time reduced by 73.3%.
Penelitian ini mengusulkan kerangka kerja Agentic AI untuk diagnosis medis multimodal yang mengintegrasikan model AI kustom yang telah dikembangkan spesifik untuk kasus tertentu. Sistem kami menggunakan agen AI sebagai orchestrator yang menghubungkan berbagai model diagnosis berbasis Explainable AI (XAI), termasuk UBNet untuk analisis Chest X-ray, Modified UNet untuk segmentasi tumor otak, dan model cardiomegaly berbasis K-means clustering. Setiap model telah diverifikasi kebenarannya melalui validasi klinis. Eksperimen menunjukkan bahwa pendekatan orchestrasi berbasis agen meningkatkan akurasi diagnosis sebesar 18.7% dibandingkan dengan penggunaan model tunggal.
