OncoAgentは、腫瘍学領域の臨床意思決定支援に特化したマルチエージェント基盤で、Hugging Face Blogに公開された。最大の構造的特徴は、9Bパラメータ（Tier 1）と27Bパラメータ（Tier 2）の2段階モデルを症例の複雑度スコアで自動ルーティングする点にある。軽い問い合わせは9Bで処理し、複雑なケースのみ27Bに渡すことで、推論コストと応答品質のバランスをアーキテクチャレベルで設計している。
学習面では、AMD Instinct MI300X（HBM3 192GB）上でQLoRAを用い、26万6,854件の腫瘍学症例を約50分でファインチューニングした。これはAPI経由のデータ生成・学習比で56倍高速という実測値であり、NVIDIA以外のアクセラレータでも医療LLMの実用学習が成立することを示す具体例として参照できる。
安全設計はZero-PHI（患者識別情報ゼロ）ポリシーを起点に、三層のReflexion安全バリデータで強制する構成を採る。さらにCriticノードは決定論的コードとして実装されており、敵対的プロンプトでLLMの安全検証をすり抜ける経路を構造的に閉じている。Corrective RAGのドキュメントグレーディング成功率は、ベースモデルをQwen 2.5 Instructへ移行した際に0%から100%へ改善しており、RAGパイプラインの良否がベースモデル選定に強く依存する事実を再確認させる。
システム全体は100%オープンソースでオンプレミス展開可能であり、プロプライエタリなクラウドAPIを必要としない。データ持ち出し制約の強い医療機関や研究機関にとって、調達評価の参照アーキテクチャとして扱える素材となる。
