온코에이전트: 암 진료 지원을 위한 오픈소스 인공지능 프레임워크

주장온코에이전트는 암 치료 분야에서 발생하는 방대한 정보와 복잡한 임상 데이터를 효율적으로 처리하기 위해 설계된 의사결정 지원 시스템입니다. 기존 상용 인공지능 모델이 가진 환각 현상과 클라우드 의존성, 단일 모델 구조의 한계를 극복하는 것을 목표로 합니다.

팩트온코에이전트는 2026년 5월 9일에 발표되었으며, 미국종합암네트워크(NCCN) 및 유럽종양학회(ESMO)의 암 진료 가이드라인 70개 이상을 기반으로 작동합니다. 시스템은 9B 매개변수 모델과 27B 매개변수 모델을 이중 계층으로 구성하여 임상 질문의 복잡도에 따라 최적의 모델을 선택합니다.

팩트모델 학습에는 실제 및 합성 종양학 사례 데이터 26만6854건이 사용되었습니다. 에이엠디(AMD) 인스팅트(Instinct) MI300X 하드웨어와 언슬로스(Unsloth) 프레임워크를 활용하여 전체 데이터셋 미세 조정에 약 50분이 소요되었으며, 이는 기존 생성형 인공지능 방식 대비 56배 빠른 처리 속도입니다.

교차검증의료 분야에서 인공지능의 환각 현상은 치명적인 결과를 초래할 수 있습니다. 온코에이전트는 이를 방지하기 위해 4단계 수정 검색 증강 생성(RAG) 파이프라인과 3계층 반사 안전 검증기를 도입하여 모델의 답변이 검증된 가이드라인에 근거하도록 강제합니다.

팩트시스템은 8개의 전문화된 랭그래프(LangGraph) 노드로 구성되어 있으며, 각 노드는 감사 가능한 기능을 수행합니다. 고위험군이나 복잡한 사례의 경우 인간 의료진이 개입하는 인간 개입(HITL) 게이트를 통과해야 최종 결과를 도출합니다.

주장온코에이전트는 데이터 주권을 보장하기 위해 온프레미스 환경에서의 배포를 지향합니다. 외부 클라우드 응용 프로그램 인터페이스(API)에 의존하지 않음으로써 환자의 민감한 의료 데이터가 외부로 유출되는 경로를 원천적으로 차단합니다.

팩트복잡도 라우터는 암 종류와 병기, 유전자 변이, 이전 치료 이력 등을 가중치로 계산하여 사례의 복잡도를 정량화합니다. 계산된 점수가 0.5 이상이면 27B 모델인 2계층 모델이, 미만이면 9B 모델인 1계층 모델이 호출됩니다.

교차검증일반적인 검색 증강 생성 시스템은 검색된 문서의 관련성을 제대로 평가하지 못해 오류를 범할 수 있습니다. 온코에이전트는 문서 등급 평가 노드를 통해 관련성이 낮은 문서를 걸러내며, 이를 통해 검색 증강 생성 신뢰도 점수를 2.3 이상으로 유지합니다.

팩트비판 노드는 결정론적 코드로 작성되어 대규모 언어 모델(LLM)의 논리를 검증합니다. 형식 검사와 안전 검사, 모델 함의 검사를 통해 답변이 가이드라인을 준수하는지 확인하며, 실패 시 최대 2회까지 재시도를 수행합니다.

출처허깅페이스(Hugging Face) 공식 블로그 및 온코에이전트 연구 그룹 기술 프리프린트(2026년 5월)를 교차 검증했습니다.