6つのAIエージェント、1台のデスクサイドシステム：臨床意思決定支援の新モデル

医療機関はこの10年近く、AIの力を活用することと、患者データをあらゆる犠牲を払ってでも保護することという、2つの要請の間で板挟みになってきた。その大半の期間、これらの目標は互いに反対方向へ引っ張られていた。クラウドベースの大規模言語モデルは卓越した臨床推論を提供する一方、保護対象の医療情報を外部API経由で送信することには、コンプライアンス部門や患者が受け入れる必要のないリスクが伴う。 その構図が変わりつつある。AIは対話型チャットから、エージェント型ツールによって駆動される自動化ワークロードへと進化し、所要時間を短縮し、より迅速な成果を可能にしている。Dell Pro Max with GB300とNVIDIA Grace Blackwell Ultra GB300 Superchip上で稼働する新しいリファレンスアーキテクチャは、高度なマルチエージェント臨床AIを完全にオンプレミスで運用し、患者データを組織独自のインフラ内だけで処理できることを実証している。研究所やエンタープライズAIチーム向けに特化して設計されたこのシステムは、デスクサイドでデータセンター級のAI性能を提供し、20,000 TFLOPSのFP4演算性能と、最大1兆パラメーターのモデルをホストできるメモリ容量を備える。医療分野では、これにより、データの発生元に近い組織独自のインフラ内で、最先端規模の臨床推論を実行する道が開かれる。 6つのエージェント、1台のマシン、データ漏洩ゼロ 最近公開されたNVIDIAのプレイブックで詳しく説明されているこのシステムは、単一のスーパーコンピューター上に、患者データ、検査結果とバイタル、薬剤、臨床分析、分子可視化をそれぞれ担当する5つの分野専門エージェントと、これらを統括するコーディネーター1つからなる、計6つの専門AIエージェントを展開する。その中核では、1,200億パラメーターのMixture-of-ExpertsモデルであるNVIDIA Nemotron 3 Superが、コンテナ化された推論によってローカルで稼働する。 このアーキテクチャは、データがデバイスの外へ出ないエアギャップ構成に対応する。このプレイブックの構成では、患者データはローカルで処理され、ホスト型LLMや外部AIサービスを経由することはない。読み取り専用の外向き接続は、暗黙的な拒否を基本とするネットワークポリシーの下で、少数のみ許可される。 臨床医を支援し、ワークフローを置き換えない AI導入を評価するバイオ医薬品企業や医療システムのリーダーにとって、重要な問いは技術が機能するかどうかではなく、適合するかどうかである。Local Healthcare Agentアーキテクチャは、既存の臨床ワークフローと競合するのではなく、それを支援するよう設計されている。 ケアギャップの特定を考えてみよう。現在、品質チームは、検査結果と変化する評価指標の定義を手作業で照合している。このプロセスは正確だが、多大な労力を要する。このシステムはクエリを自動化し、目標閾値から外れる患者を示すが、その判断を導く臨床知識はモデルの重みではなくファイルに保存されている。より厳格な組織基準を反映するために閾値を9.0%から8.5%へ変更すると、エージェントは次回のクエリで更新後の値を使用する。 臨床ガイドラインは常に進化しているため、この編集可能性は重要である。更新された品質指標や改訂された薬剤分類リストを取り込むために再トレーニングを必要とするAIシステムは、常に科学の進歩に遅れを取る。クエリ時に人間が読めるスキルファイルを読み取るシステムは、臨床知識のスピードで最新の状態を維持できる。 ローカルAIを支えるインフラの論拠 AIワークロードは一般に、ローカルハードウェアで処理できるものと、データセンターまたはクラウドでの処理を必要とするものの2種類に分かれる。Dell AI Factory with NVIDIAは、組織がこの区別を行えるよう支援する高速コンピューティング、ネットワーク、ソフトウェアのインフラを提供し、ワークロードを最も適した場所に配置する。Dell Pro Max with GB300は、フロンティアクラスのLLMとタンパク質構造予測モデルの両方を単一のデスクサイドシステム上で実行できるGPUメモリ密度を提供し、推論レイテンシーを最小化するために、AIモデルをエージェントハーネスと同じ場所に配置する。 データ主権要件に対応する医療機関にとって、実際の利点は明確である。規制対象の業界では、データは知的財産であり、これらの分野の組織は、トレーニングデータとモデルの重みの双方を、ファイアウォールで保護された安全な自社インフラ内に保持することを求める場合が多い。オンプレミスのインフラは、変動するトークン使用費を予測可能な設備投資へと変える。これは、エージェント型ワークフローがエージェントの判断を重ねるたびにトークン消費を増やすにつれて、より重要な考慮事項となる。また、デスクサイドのプラットフォームはデータセンターと同じアーキテクチャを共有しているため、デスクサイドからAIファクトリーへの拡張はシームレスである。ローカルAIは、機密性の高いワークロードをどこで実行するかについて、組織により大きな制御権を与えることで、エンタープライズソリューションを補完する。 これが業界に示すもの Local Healthcare Agentのプレイブックは完成品ではなく、実証例である。しかし、これは意味のある変化を示している。高度なAIをローカルで実行する際の計算上の障壁が、ほとんどの医療システムやバイオ医薬品組織が対応できる水準を下回ったのである。単一のワークステーションが、検証済みのセキュリティサンドボックス内で、マルチエージェント臨床推論、分子可視化、ガイドラインを考慮したケアギャップ分析をすべてホストできるようになれば、議論は「これは可能か」から「どこから始めるか」へと移る。 その答えは、ますます、データがすでに存在する場所そのものになっている。 Local Healthcare Agentのプレイブックは現在、Dell AI Factory with NVIDIAへの迅速な導入を想定した、NVIDIA検証済みのプレイブックとして提供されている。オンプレミスの臨床AIを検討する医療機関やバイオ医薬品組織は、プレイブックをダウンロードし、約1時間で6エージェントの完全なシステムを導入して、自社のユースケースに照らしてワークフローを評価できる。アーキテクチャはデスクサイドからデータセンターまで一貫しているため、ローカルで検証したものを、再トレーニングや再プラットフォーム化なしにAIファクトリーへ拡張できる。