Hugging Face が “OncoAgent: A Dual-Tier Multi-Agent Framework for Privacy-Preserving Oncology Clinical Decision Support” をリリース ── がん診療の現場を支えるプライバシー保護型マルチエージェントシステム
がん診療の現場って、情報のアップデートが激しすぎて現場の医師が最新ガイドラインを追うだけでも至難の業なんだよね。そこで、患者のプライバシーを徹底守りつつ、複数のAIエージェントが協調して臨床判断を支援する仕組みが登場した。医療×AIの領域でこれはかなり実用性を意識したつくりになっていて、個人的にめちゃくちゃ惹かれるアプローチ。
▸何が変わったのか
この「OncoAgent」は、8つの専門化されたLangGraphノードに臨床推論を分散処理するマルチエージェント構成。クエリの複雑さに応じて、9Bパラメータの高速モデル（Tier 1）か、27Bの深い推論モデル（Tier 2）へ自動でルーティングされる仕組みだ。RAGには70以上のNCCN・ESMOガイドラインを用いた4段階のCorrective RAGパイプラインを採用し、患者の個人情報を厳格にブロックする3層の安全バリデーターも備えている。ファインチューニングには266,854件の腫瘍学症例を使用。AMD Instinct MI300X（192 GB HBM3）とUnslothフレームワークの組み合わせで、全データセットの学習を約50分で完了させ、APIベース生成と比較して56倍のスループット加速を達成している。
◈前モデル / 競合との比較
従来の医療用AIシステムは、ハルシネーションのリスクが高く、クラウドAPIへの依存で院内オンプレミス運用が困難だった。さらに単一のLLMアーキテクチャだと、複雑な併発症例に対してコンテキストが飽和しやすかった。OncoAgentはマルチエージェントで推論を分散し、オンプレミス展開を前提にしている点で実用性が段違い。
◈技術背景と意義
腫瘍学のガイドラインは情報量が膨大で、常にアップデートされているから、一人の医師がすべてを把握して現場に反映するのは現実的に無理がある。そこでRAG（検索拡張生成）を使い、70以上の最新ガイドラインから正確な情報を引き出して回答を生成する。さらにマルチエージェント構成で処理を複数のAIノードに分散させることで、一つのAIに負荷が集中して判断を誤るリスクを減らしている。患者データを外部クラウドに一切出さずに院内で完結できるのも大きなポイント。
▸こんな人・用途に
がん診療に携わる医師の臨床判断サポートとして、最新ガイドラインに基づいた迅速な意思決定が求められる場面で活用可能。院内ネットワークで完結させる必要があるプライバシー規制の厳しい医療機関での導入に適している。腫瘍学領域のAIシステムを自前で構築・検討したい研究者や開発者にも参考になるアーキテクチャ。
◆入手方法・リンク
テキスト上では「100% open source」と記載されているが、具体的なリポジトリやモデルの公開リンクは不明。詳細はHugging Faceの該当記事またはOncoAgent Research Groupの今後の公開を待つ必要がある。
SOURCE: Hugging Face (2026-05-09)
