公開：2026年10月27日, 最終更新：2026年10月27日
北海道大学病院の研究グループは2026年10月23日、病院閉域ネットワーク内で完結するLLMエージェント基盤「LLENS」の開発・評価論文をarXivに公開した。同基盤は8基のNVIDIA H200 GPUを搭載した1台のホスト上で動作し、2026年9月14日から同病院ネットワーク上での運用を開始している。
30秒サマリー
- 北海道大学病院がオンプレミス型LLMエージェント基盤「LLENS」を開発・運用中で、院内文書への対話的アクセスで質問応答精度97.2%を達成
- 採用モデルはKimi K2.6（約1兆パラメータ）で、2026年日本医師国家試験で500点満点中480点を記録
- 外部クラウドに依存せず閉域網内で完結する設計により、医療情報システムの情報漏洩リスクを低減しながら電子カルテ・事務作業の支援を実現
LLENSの設計・評価の要点
北海道大学病院の研究チームは、病院閉域ネットワーク内で動作する臨床支援AIエージェント基盤「LLENS」を設計・実装・運用した。基盤はNVIDIA H200 GPU 8基を搭載した1台のホストで稼働し、オープンウェイトモデルのKimi K2.6（約1兆パラメータ）と、Open WebUIを再構築したWebアプリケーションを組み合わせている。
エージェントハーネスは10コンポーネントで構成される。ページ画像読み取り、全文添付入力、ベクトルインデックスを使わないパスアドレス指定の文書ツリー、ネットワーク分離サンドボックス、生成出力の自己検証、サブエージェント、保存済み手順などが含まれる。
評価では、院内文書に関する180問（各3シード）を用いた質問応答精度の比較を実施した。文書なしの場合は平均精度10.7%、固定検索（語彙検索上位10チャンク）では81.3%、モデルが文書ツールとサンドボックスを使って対話的にアクセスする「インタラクティブアクセス」では97.2%を記録した。インタラクティブアクセスは固定検索比で15.9ポイント高く（95%信頼区間10.9〜21.3）、特にフィルタリング・カウント系の質問で顕著な差が見られた（固定検索16.7% vs インタラクティブ87.8%）。
5つの合成データを用いたシナリオ検証も実施された。針刺し事故対応、有害事象の一括グレーディング、スキャン紹介状の文字起こし、転倒データの集計とグラフ作成、サブエージェントによる3テーマの調査が含まれる。論文はJMIR Medical Informaticsへの投稿を予定しており、arXiv上では49ページ、図3点、表6点および補足資料が公開されている。
LLENSの主な仕様・数値
- GPU構成：NVIDIA H200 × 8基（1台のホスト）
- 採用モデル：Kimi K2.6（約1兆パラメータ、オープンウェイト）
- 日本医師国家試験スコア（2026年）：480 / 500点
- 生成速度（1ユーザー）：119トークン/秒
- 並列処理（16同時リクエスト）：合計908トークン/秒
- 質問応答精度（文書なし）：10.7%（180問、3シード）
- 質問応答精度（固定検索）：81.3%
- 質問応答精度（インタラクティブアクセス）：97.2%（固定検索比+15.9ポイント、95%CI 10.9–21.3）
出典: arXiv cs.CL（論文）
なぜ重要か（編集部の分析）
編集部の見方として、本研究が示す最大の意義は「閉域網オンプレミス構成でも、クラウドAPIに依存せず高精度な文書参照型エージェントが実現可能」という実証データが得られた点にある。特に固定RAGとインタラクティブアクセスの差（81.3% vs 97.2%）は、検索チャンクを渡すだけのRAG構成には限界があり、モデル自身が文書を能動的に参照・操作できる設計が精度向上に不可欠であることを示唆している。医療以外の規制産業（金融・官公庁等）においても、閉域網LLMエージェント実装の参照事例となりうる。
日本企業への示唆（編集部の分析）
編集部の分析として、日本の医療機関や規制産業の情報システム担当者・CIOにとって、本研究はオンプレミスLLM導入の具体的な設計指針として活用できる。GPU1ホスト・オープンウェイトモデルという比較的シンプルな構成で業務水準の精度が達成されており、クラウドサービスへのデータ送信が許可されない環境でもLLMエージェント導入の現実的な選択肢があることが示された。一方で、運用開始から論文投稿まで約5週間と期間が短いため、長期的な安定性・セキュリティ評価の知見は引き続き注視が必要と編集部はみる。
背景・経緯
多くの病院では医療情報システムが閉域ネットワーク内で稼働しており、LLMをクラウドAPIとして外部接続することが困難または規制上許容されない。こうした環境でLLMエージェントを実用化するには、モデルとエージェント制御機構を院内ネットワーク内に収める必要がある。本研究はその課題に対し、北海道大学病院が独自プラットフォームを開発・実運用することで応えたものとみられる。
LLENSについてよくある質問
Q. LLENSはどのようなモデルを採用しており、医療知識の水準はどの程度か？
A. LLENSはオープンウェイトモデルのKimi K2.6（約1兆パラメータ）を採用している。3つのオープンウェイト候補から選定され、2026年日本医師国家試験で500点満点中480点を記録した。
Q. LLENSの院内文書への質問応答精度はどの程度か？
A. 180問（3シード）の評価で、文書なしが10.7%、固定検索（語彙検索上位10チャンク）が81.3%、モデルが文書ツールとサンドボックスを用いて対話的に参照するインタラクティブアクセスが97.2%だった。固定検索との差は15.9ポイント（95%CI 10.9〜21.3）。
Q. LLENSはいつから運用されており、どのような業務シナリオに対応しているか？
A. 2026年9月14日から北海道大学病院のネットワーク上で運用されている。論文では針刺し事故対応、有害事象の一括グレーディング、スキャン紹介状の文字起こし、転倒データの集計・グラフ作成、サブエージェントによるテーマ調査の5シナリオが合成データで検証された。
