OncoAgent：プライバシー保護型腫瘍臨床意思決定支援のための二層マルチエージェントフレームワーク

OncoAgentは、プライバシーを重視した腫瘍学向けのオープンソース臨床意思決定支援システムです。このシステムは、既存のAIシステムにおけるプライバシー、正確性、展開可能性の重要な問題に対処するために、OncoAgent研究グループによって開発されました。二層のファインチューニング済み大規模言語モデル（LLM）アーキテクチャ、最先端のマルチエージェントLangGraphトポロジー、70以上のNCCNおよびESMOガイドラインに基づく4段階の修正RAGパイプライン、そしてゼロ保護健康情報（PHI）ポリシーを厳格に実施する3層反射安全バリデーターを組み合わせています。

OncoAgentの設計原則は、アーキテクチャの分解、根拠に基づく生成、ハードウェア主権の3つです。臨床推論は8つの専門化されたLangGraphノードに分解され、各ノードは限定された監査可能な機能を持ちます。すべてのモデル出力は、明示的な関連性ゲートを備えた検索パイプラインを通じて厳選されたベクトル知識ベースに固定されます。完全な推論およびトレーニングスタックは、ROCmとオープンソースフレームワークを使用してAMD Instinct MI300X上でネイティブに実行され、データを外部に流出させることなく病院での展開を可能にします。

システムは、癌の種類、病期、変異、および前治療などの要素を考慮した重み付き加法複雑性スコアラーを使用して臨床クエリをルーティングします。これにより、クエリは9Bパラメータの速度最適化モデル（ティア1）または27Bの深層推論モデル（ティア2）のいずれかに割り当てられます。両モデルは、AMD Instinct MI300Xハードウェア上でUnslothフレームワークを使用し、266,854件の実際および合成腫瘍症例のコーパスでQLoRAによりファインチューニングされました。シーケンスパッキングにより、全データセットのファインチューニングが約50分で完了し、APIベースの生成と比較して56倍のスループット高速化を実現しました。

OncoAgentの安全性とプライバシーフレームワークには、専用のZero-PHI編集ノードが含まれており、テキストがLLMに到達する前に保護健康情報を識別して置き換えます。4層の安全アーキテクチャは検索層、生成層、展開層で動作し、単一層の障害が全体の安全性を損なわないようにします。高複雑性または低信頼度の出力に対しては、必須のヒューマン・イン・ザ・ループ（HITL）割り込みが設定されています。

臨床インターフェースはリアルタイムストリーミングのGradioアプリケーションとして実装され、ChatGPTスタイルの会話レイアウトを採用しています。セッションコントロール、KPIタイル、エビデンスソースタブ、および各ノード完了時のエージェント推論更新を提供します。このインターフェースはWCAG 2.1 AA標準に準拠して設計されています。

実験結果は印象的です。修正RAGパイプラインの文書評価成功率は100％、平均RAG信頼度スコアは2.3以上でした。複雑性ルーターは深層推論を必要とする複雑なケースを正確に識別しました。トレーニングスループットは大幅に向上し、8つのコンパイル済みノードと6つのモジュールテストスイートすべてに合格しました。

OncoAgentは、厳格なプライバシー規制を遵守しながら、最先端のマルチエージェント臨床AIが実現可能であることを示しています。完全にオープンソースでオンプレミス展開が可能なこのシステムは、専有クラウドAPIに依存することなく、患者データの主権を保護するソリューションを医療機関に提供します。