DeepLens Diagnosis Agent: 小規模推論モデルがフロンティアLLMに匹敵する診断性能

医療診断は、事実抽出、知識参照、鑑別診断、最終診断と説明という多段階の複雑なプロセスです。従来のフロンティアLLMは強力な汎用性を持つ一方で、単一プロンプトでは診断推論の堅牢性に欠けることが課題でした。DeepLens Diagnosis Agentは、この課題に対し、大規模モデルに頼らず、小規模な医療推論モデルと堅牢なエージェントワークフローで対抗するアプローチを提示しています。

本システムは、JSL Medical Small 7B v2という70億パラメータの小規模医療推論モデルを中核に据え、RAG（Retrieval-Augmented Generation）を併用しています。さらに重要なのは、5段階からなる精緻なハーネスパイプラインです。このパイプラインは、1. 構造化された臨床事実の抽出、2. 厳密な情報検索、3. 候補診断の生成、4. 明示的なエビデンスによる検証、5. 監査可能な最終決定というプロセスを強制します。これにより、モデルの能力を最大限に引き出し、同時にプロセスにおける規律と透明性を確保しています。

技術的意義としては、AIエージェントの性能が必ずしもモデルの規模だけに依存するのではなく、入念に設計されたエージェントワークフローやハーネス構造によって、小規模モデルでもフロンティアLLMに匹敵する、あるいはそれ以上の性能を発揮できることを実証した点です。これは、特定のドメイン知識とタスクに特化したエージェント設計の優位性を示し、より効率的でコスト効果の高いAIソリューションへの道を開きます。

社会・産業への影響は、医療分野におけるAIの導入を加速させる可能性があります。小規模モデルの活用は、インフラコストの削減や、ローカル環境での展開の可能性を広げ、より多くの医療機関がAI診断支援システムを利用できるようになるでしょう。開発者にとっては、ドメイン特化型エージェントの設計とRAG技術の応用が重要なスキルとなり、エンドユーザーである医療従事者にとっては、透明性と監査可能性が確保された信頼性の高い診断支援ツールが提供されます。

今後の展望としては、DeepLens Diagnosis Agentのようなハーネス型エージェントシステムが、医療以外の専門分野（法律、金融、工学など）にも応用されることが期待されます。また、エージェント間の協調や、人間との協働（Human-in-the-Loop）をより深く統合することで、さらに複雑な意思決定を支援するシステムへと進化していく可能性があります。この研究は、「小さいは美しい」というAI開発の新たな方向性を示すものです。