大規模がんアシスタント（LCA）は、腫瘍学におけるモノリシックなマルチモーダル深層学習モデルの柔軟性の欠如に対処するために設計された、モデル非依存のポストホック・オーケストレーションフレームワークです。これは、アルゴリズム的不透過性に基づいた7タプルアーキテクチャを用いて、データ取り込みを臨床ルーティングおよびAI推論から分離します。

  • システムは、Entry Theoryによる幾何学的深層学習を活用し、構造的および医学的な軸に沿ってマルチモーダル患者データを標準化します。
  • がんスイッチングモジュールがデータを動的にオーケストレーションしながら、揮発性の病院ITインフラからコアAIの実行を分離します。

Proof of Concept検証では、オーケストレーションのオーバーヘッドは無視できるレベルであり、AIモデルの入れ替え中も不変のルーティング投影が維持されました。

  • このフレームワークは、注入されたデータ異常下でもターゲット指定された補足データリクエストの生成において100%のリコール率を達成しました。

標準化された中間ペイロードを確立することにより、LCAはスケーラブルな臨床意思決定支援のためのモジュール基盤を提供し、ダウンストリームの電子カルテ相互運用性の基盤を整えます。