30秒サマリー
- 7Bパラメータの小型モデルに5段階のエージェント型ワークフローを組み合わせ、医療診断精度60.14%を達成
- ワークフロー設計だけで精度が23.99%から60.14%へと36ポイント向上し、Claude Sonnet 4.5やGemini 3.1 Proを上回った
- 1件あたりのコストは0.0072ドルで、フロンティアLLM比35〜45%安く、医療現場への実用展開コストを大幅に圧縮できる可能性がある
何が起きたか
John Snow Labsの研究チームは2026年5月、医療診断向けエージェント型AIシステム「DeepLens Diagnosis Agent」に関する論文をarXivに公開した。同システムは、パラメータ数7B（70億）の小型医療推論モデル「JSL Medical Small 7B v2」を核に、検索拡張生成（RAG）と5段階のパイプラインを組み合わせた構成を採用している。
5段階のパイプラインは、構造化された臨床情報抽出・規律ある情報検索・候補診断の生成・エビデンスの統合・監査可能な最終判断という工程からなる。915症例を収録したベンチマーク「DiagnosisArena」での評価では、トップ1診断精度60.14%を達成し、同ベンチマーク上の小・中規模モデルの中で最高精度となった。
同じモデルをエージェントワークフローなしで使用した場合の精度は23.99%であり、ワークフロー設計のみによって36ポイント超の改善が得られたことになる。なお、このモデルは標準的な医療知識ベンチマークでは88.2%のスコアを記録しており、知識の保有と不確実性下での診断推論は異なる能力であることが示唆されている。
コスト面では、1件あたり0.0072ドル（A100上で約2万4000トークン、処理時間約24秒）で動作し、論文が比較対象とするClaude Sonnet 4.5（0.0110ドル）およびGemini 3.1 Pro（0.0128ドル）より35〜45%安価としている。精度面でも、それぞれ9.70ポイント・9.17ポイント上回ったと報告されている。また、各処理段階の中間成果物が記録・検査可能な構造になっており、トレーサビリティと再現性を重視する医療現場での活用を意識した設計となっている。
原典ハイライト
論文は「ワークフロー設計の制約がパラメータ数やAPIコストを凌駕できる」と結論付けており、標準的な医療ベンチマークで高スコアを示すモデルでも、単一プロンプトによる診断推論は脆弱になりうる点を実証データで示している。
出典: arXiv cs.AI（論文）
So What?（なぜ重要か）
AIの性能はモデルの大きさやAPIの高さだけでは決まらないことが、医療診断という高リスク領域で定量的に示された。エージェント型ワークフローという「設計の工夫」が、数十倍のパラメータを持つフロンティアモデルを超える精度とコスト効率をもたらす可能性があり、AI導入の費用対効果を根本から問い直す研究といえる。
日本企業への示唆
医療機関や医療系SaaSを展開する日本企業にとって、大規模・高コストなAPIへの依存を見直す根拠となりうる。特に診療支援・病名推薦・電子カルテ解析などの用途では、小型モデル＋構造化ワークフローの組み合わせがコンプライアンス上の監査要件（説明責任・トレーサビリティ）を満たしやすい点も注目に値する。自社環境へのオンプレ展開やプライバシー要件が厳しい場合も、7B規模であれば現実的なインフラで運用できる。ただし本研究はarXivの査読前論文であり、ベンチマーク結果の独立検証が必要な点には留意が必要だ。
背景・経緯
医療診断AIでは従来、GPT-4やClaudeなどの大規模フロンティアモデルが高い精度を示す一方、運用コストや情報漏洩リスク、説明責任の担保が課題とされてきた。本論文はJohn Snow Labsが開発した医療特化型小型モデルを用い、エージェント設計によってこれらの課題を同時に解消できる可能性を示している。DiagnosisArenaは915症例を含む医療診断ベンチマークで、原文ではこれを評価基盤として使用している。
