Chatcare: from a multi-agent system to a sigle-agent system

This thesis focuses on the optimization and redevelopment of ChatCare, a Generative AI- powered application designed to assist therapists and caregivers in creating personalized therapeutic and educational materials for individuals with Neurodevelopmental Disorders (NDDs). While the original version of ChatCare (ChatCare-MAS) introduced an innovative multi- modal conversational interface powered by Large Language Models (LLMs), its structure and implementation posed challenges in terms of cost efficiency and maintainability. To address these issues, this work redesigns ChatCare-MAS using the React framework, in- troducing a more structured and maintainable architecture. The key architectural change in this optimization process is the transition from a multi-agent sys- tem (MAS) to a single-agent system (SAS), reducing the number of LLMs used from five to one. By minimizing redundant interactions with the LLM backend, the new version of ChatCare (ChatCare-SAS) maintains high-quality interactions and efficiency. Additionally, this work simplifies the chatbot’s structure while preserving its ability to generate diverse therapeutic exercises and adaptive conversations. This revised system offers a more scalable and cost-effective solution, better suited for real- world adoption by therapists and caregivers. Through this redevelopment, ChatCare-SAS continues to serve as a powerful tool for professionals working with patients with neurode- velopmental disorders, enhancing their ability to provide customized support with reduced operational costs and improved usability.

Questa tesi si concentra sull’ottimizzazione e la riqualificazione di ChatCare, un’applicazione basata sull’Intelligenza Artificiale Generativa progettata per assistere terapisti e caregiver nella creazione di materiali terapeutici ed educativi personalizzati per individui con Dis- turbi del Neurosviluppo (NDDs). La versione originale di ChatCare (ChatCare-MAS) introduceva un’innovativa interfaccia conversazionale multimodale basata su Large Language Model (LLM). Tuttavia, la sua struttura e implementazione presentavano sfide in termini di efficienza dei costi e man- tenibilità. Per affrontare queste problematiche, questo lavoro riprogetta ChatCare-MAS utilizzando il framework React, introducendo un’architettura più strutturata e facilmente mantenibile. Il principale cambiamento architetturale in questo processo di ottimizzazione è la tran- sizione da un sistema multi-agente (MAS) a un sistema a singolo agente (SAS), riducendo il numero di LLM utilizzati da cinque a uno. Riducendo al minimo le interazioni ridon- danti con i moduli del backend, la nuova versione di ChatCare (ChatCare-SAS) mantiene interazioni di alta qualità ed efficienza. Inoltre, questo lavoro semplifica la struttura del chatbot preservandone la capacità di generare esercizi terapeutici diversificati e conver- sazioni adattive. Questo sistema rivisitato offre una soluzione più scalabile ed economicamente vantaggiosa, maggiormente adatta all’adozione nel mondo reale da parte di terapisti e caregiver. At- traverso questa riqualificazione, ChatCare-SAS continua a fungere da potente strumento per i professionisti che lavorano con pazienti con disturbi del neurosviluppo, migliorando la loro capacità di fornire supporto personalizzato con costi operativi ridotti e maggiore usabilità.