Badacze z OncoAgent Research Group opublikowali szczegóły nowego systemu wspomagania decyzji klinicznych w onkologii, który łączy wieloagentową architekturę z ochroną prywatności danych pacjentów. System OncoAgent został opisany w preprints techniczny opublikowanym w maju 2026 roku.
OncoAgent to w pełni otwartoźródłowy system wykorzystujący dwupoziomową architekturę modeli językowych oraz zaawansowaną topologię LangGraph z ośmioma węzłami specjalistycznymi. System został zaprojektowany z myślą o wdrożeniu lokalnym w szpitalach, eliminując konieczność korzystania z zewnętrznych API i zachowując pełną kontrolę nad danymi pacjentów.
Kluczowe wnioski
- System wykorzystuje dwupoziomową architekturę z modelem 9B parametrów dla prostych przypadków i 27B parametrów dla złożonych analiz klinicznych.
- Trenowanie na pełnym zbiorze danych trwało około 50 minut na sprzęcie AMD Instinct MI300X, co oznacza 56-krotne przyspieszenie w porównaniu z metodami API.
- Corrective RAG osiągnął 100% skuteczność w ocenie dokumentów ze średnim wynikiem pewności 2.3+.
- System bazuje na ponad 70 wytycznych NCCN i ESMO, wykorzystując korpus 266 854 rzeczywistych i syntetycznych przypadków onkologicznych.
- Architektura zapewnia pełną audytowalność poprzez niezmienne ślady decyzji w AgentState TypedDict.
Architektura wieloagentowa z LangGraph
OncoAgent implementuje ośmioelementową topologię wykorzystującą LangGraph: Router → Ingestion → Corrective RAG → Specialist ↔ Critic → HITL Gate → Formatter → END, z alternatywną ścieżką Fallback → END. System zawiera pięć ścieżek warunkowych, jedną pętlę refleksyjną (maksymalnie 2 iteracje) oraz obowiązkowy punkt kontrolny HITL dla przypadków o wysokiej złożoności.
Routing przypadków odbywa się poprzez addytywny model złożoności uwzględniający typ nowotworu, stadium, mutacje i wcześniejsze leczenie. Przypadki o wyniku S < 0.85 trafiają do modelu Tier 1 (9B parametrów), podczas gdy bardziej złożone przekierowywane są do modelu Tier 2 (27B parametrów). System wykorzystuje QLoRA fine-tuning na frameworku Unsloth z sequence packing na AMD Instinct MI300X z 192 GB pamięci HBM3.
Corrective RAG i walidacja bezpieczeństwa
System implementuje czterostopniowy pipeline Corrective RAG z cross-encoder re-ranking oraz Hypothetical Document Embeddings (HyDE) do rozwiązywania problemów synonimów medycznych. Wszystkie rekomendacje są zakotwiczone w kuratorskiej bazie wektorowej opartej na wytycznych NCCN i ESMO.
Trójwarstwowy walidator refleksyjny egzekwuje strict Zero-PHI policy, zapewniając separację danych osobowych od procesu wnioskowania. Każdy węzeł dodaje dane do określonych kluczy AgentState bez mutowania danych upstream, zachowując kompletny ślad audytowy wszystkich decyzji systemowych.
OncoAgent reprezentuje znaczący krok w kierunku praktycznego wdrożenia AI w onkologii klinicznej, łącząc zaawansowane możliwości techniczne z rygorystycznymi wymaganiami prywatności i bezpieczeństwa charakterystycznymi dla środowiska szpitalnego. Pełna dostępność kodu źródłowego umożliwia niezależną walidację i dostosowanie do lokalnych potrzeb placówek medycznych.
