Introduction
L'oncologie est l'un des domaines les plus denses en informations et les plus exigeants sur le plan cognitif en médecine clinique. Le volume, l'hétérogénéité et l'évolution rapide des lignes directrices basées sur des preuves - de la National Comprehensive Cancer Network (NCCN) à la European Society for Medical Oncology (ESMO) - créent un fossé persistant entre les preuves publiées et la pratique au chevet du patient.
Contexte Technique
OncoAgent est un système d'aide à la décision clinique pour l'oncologie qui combine une architecture à deux niveaux de modèles de langage fine-tunés avec une topologie multi-agents LangGraph d'état de l'art, un pipeline Corrective RAG à quatre étapes sur plus de 70 lignes directrices de NCCN et ESMO, et un validateur de sécurité à trois couches qui impose une politique stricte de Zero-PHI.
Le système achemine les requêtes cliniques via un scoreur de complexité additif vers soit un modèle de 9 milliards de paramètres optimisé pour la vitesse (Niveau 1), soit un modèle de 27 milliards de paramètres de raisonnement profond (Niveau 2), les deux fine-tunés via QLoRA sur un corpus de 266 854 cas oncologiques réels et générés synthétiquement.
Analyse et Implications
Les systèmes d'aide à la décision clinique assistés par l'IA ont un potentiel transformateur pour combler le fossé entre les preuves publiées et la pratique au chevet du patient, mais la plupart des systèmes commercialement disponibles échouent de trois manières critiques : des recommandations hallucinées non fondées sur des lignes directrices validées, une dépendance à l'égard des API cloud qui exclut le déploiement sur site dans les environnements hospitaliers sensibles à la confidentialité, et des architectures de modèles de langage monolithiques sujettes à la saturation contextuelle sous des présentations de multi-comorbidité complexes.
Perspective
OncoAgent est conçu autour de trois principes fondamentaux : la décomposition architecturale, la génération ancrée et la souveraineté matérielle. Le système est entièrement open source et peut être déployé sur site, éliminant ainsi la dépendance à l'égard des API cloud propriétaires et préservant la souveraineté des données des patients.
Les résultats montrent que le système peut traiter des cas complexes avec une grande précision et peut être déployé de manière sécurisée et efficace dans les environnements hospitaliers. Cependant, des recherches supplémentaires sont nécessaires pour améliorer encore les performances et la sécurité du système.
