OncoAgent es un sistema de soporte a la decisión clínica de código abierto que preserva la privacidad en el ámbito de la oncología. Este sistema combina una arquitectura de modelo de lenguaje de ajuste fino en dos niveles con una topología multi-agente LangGraph de última generación.
Además, incluye un pipeline Corrective RAG de cuatro etapas y se basa en más de 70 guías clínicas de la NCCN y ESMO. OncoAgent garantiza la soberanía de los datos del paciente al funcionar completamente en entornos locales.
Detalles del Sistema
La arquitectura de OncoAgent permite el enrutamiento de consultas clínicas a través de un evaluador de complejidad. Este sistema puede dirigir las consultas a un modelo optimizado de 9B parámetros o a un modelo de razonamiento profundo de 27B parámetros, ambos ajustados mediante QLoRA.
Con el uso de hardware AMD Instinct MI300X, el ajuste de todo el conjunto de datos se logra en aproximadamente 50 minutos, lo que representa una aceleración significativa en comparación con los métodos basados en API. La tasa de éxito en la evaluación de documentos alcanzó el 100% tras la mejora del sistema.
Palabras Clave
Palabras clave: soporte a la decisión clínica, inteligencia artificial en oncología, sistemas multi-agente, generación aumentada por recuperación, QLoRA, ROCm de AMD, inteligencia artificial de salud de código abierto.
Introducción
La oncología es un campo clínico que requiere un alto nivel de conocimiento y tiene un gran volumen de guías basadas en evidencia. Sin embargo, existe una brecha entre la evidencia publicada y la práctica clínica. Los sistemas de soporte a la decisión clínica asistidos por IA pueden cerrar esta brecha, aunque muchos sistemas comerciales enfrentan desafíos significativos.
OncoAgent se basa en tres principios fundamentales: la descomposición arquitectónica, la generación fundamentada y la soberanía del hardware, lo que permite su implementación en hospitales sin comprometer la privacidad de los datos.
Arquitectura del Sistema
OncoAgent se implementa como un grafo dirigido utilizando LangGraph. La estructura del sistema se compone de un estado inmutable que tiene secciones lógicas y claves tipadas. Cada nodo del sistema añade información sin modificar los datos anteriores, manteniendo un registro completo.
La topología de ocho nodos incluye: enrutador, ingestión, Corrective RAG, especialista, crítico, puerta HITL, formateador y un nodo de retroceso.
Grado de Complejidad y Enrutamiento
La complejidad de los casos se mide utilizando un modelo aditivo ponderado. Este modelo evalúa varios factores, como el tipo de cáncer y la cantidad de mutaciones, para determinar si se debe dirigir a Tier 1 o Tier 2 para el análisis específico del caso.
OncoAgent también permite a los clínicos anular manualmente la selección del nivel a través de la interfaz de usuario, lo que proporciona flexibilidad en la toma de decisiones.
Validaciones y Seguridad
El nodo Corrective RAG califica la relevancia clínica de los documentos recuperados antes de enviarlos al especialista. Este proceso reduce las alucinaciones, asegurando que el contenido recuperado sea relevante y útil para la decisión clínica.
El sistema incluye una arquitectura de seguridad en capas que protege contra las alucinaciones y garantiza la calidad del contenido generado. Esto es crucial en un ámbito donde las recomendaciones incorrectas pueden tener consecuencias graves.
Interfaz Clínica
La interfaz de usuario de OncoAgent se basa en una aplicación Gradio que proporciona actualizaciones en tiempo real. Los clínicos pueden ver el estado de cada nodo y la confianza en las recomendaciones, lo que les permite realizar un seguimiento de la calidad de la información proporcionada.
Esta transparencia en el proceso mejora la confianza de los clínicos en las decisiones respaldadas por IA y facilita la interacción con el sistema.
Resultados y Conclusiones
OncoAgent ha demostrado su efectividad al integrar patrones de diseño de última generación y un pipeline de recuperación fundamentada. El sistema es completamente de código abierto y puede ejecutarse localmente, lo que elimina la dependencia de APIs en la nube y asegura la soberanía de los datos del paciente.
Finalmente, OncoAgent representa un modelo replicable para el despliegue de inteligencia artificial clínica en entornos donde las consecuencias de las alucinaciones son críticas.
