技術概要：文脈バンドット選好学習を用いた人間関与型マルチエージェント人工呼吸器意思決定支援システム

1. 問題定義

集中治療室（ICU）における人工呼吸器管理は、変化する患者の生理状態、ガス交換、血液力学に合わせて、継続的かつ微細な調整を必要とする。現在の臨床実践はプロトコルと臨床医の経験に依存しているが、以下の重大な課題に直面している：

• 動的複雑性：患者の経過は非定常であり、ある患者やある時点では機能する戦略が、別の患者や時点では失敗する可能性がある。
• ワークフローの制約：ベッドサイドでの滴定は不完全なシグナルへの迅速な対応を要求し、時間的圧力や交代時の引継ぎにより、調整が一貫性を欠くことがしばしばある。
• 個別化の欠如：臨床チームはリスク許容度、調整スタイル、地域的な慣習において異なる。既存の意思決定支援システム（DSS）は、これらの特定の選好に適応できず、信頼性と導入の障壁となっている。
• 現在の AI の限界：ルールベースのアプローチは個別化のための汎化能力に欠け、エンドツーエンドの強化学習（RL）や単一の大型言語モデル（LLM）システムは、制御、監査、特定の安全境界との整合性が困難である。

著者らは、高リスクの臨床環境において、モデルの一点ごとの性能だけでは不十分であると主張する。成功した導入には、ベッドサイドで行動が検査可能で、推論が追跡可能であり、臨床ワークフローを破ることなく臨床医の選好に適応できるシステムが必要である。

2. 手法：人工呼吸器意思決定支援システム（VDSS）

著者らは、人工呼吸器の意思決定を契約駆動型の構造化インターフェースによって規制されたモジュールコンポーネントに分解するように設計された、人間関与型（HITL）マルチエージェントフレームワークであるVDSSを提案する。

2.1 マルチエージェントアーキテクチャ

単一のモデルが入力を出力にマッピングするのではなく、VDSS は定義された役割とスキーマ制約付きの出力を持つ専門エージェント（LLM または VLM モジュール）のワークフローを調整する：

• データ取り込み：波形アナライザが、圧力および流量トレースを構造化された手がかり（例：非同期、不確実性）に変換し、表形式データを補完する。
• 検出と目標推論：検出エージェントが手がかりを統合して状態要約を生成する。フェーズ目標マネージャが治療フェーズを推論し、主要・次要目標を特定する。
• 意思決定ゲート：ホールド/調整ゲートが、現在の設定を維持するか滴定を開始するかを決定し、証拠が不十分な場合に不要な調整を防ぐ。
• 計画と安全性：調整が必要な場合、ストラテジーセレクタ、モード選択エージェント、パラメータプランナが実行可能な更新のコンパクトなセットを生成する。これらの提案は、臨床医に到達する前に、決定論的な安全性および互換性チェックを受ける。
• フィードバックと修正：臨床医が提案を拒否した場合、リフレクトエージェントがフィードバックを修正制約に変換し、再検討すべき最小の意思決定層（例：ストラテジー対パラメータ）を特定する。これにより、パイプライン全体を再実行するのではなく、ターゲットを絞った再計画が可能になる。
• 文書化：ノートジェネレータが、承認時に構造化された要約と監査可能なサイクル記録を生成する。

2.2 人間関与型インタラクション

システムは調整サイクルで動作する。各サイクル $t$ において、システムはラウンド $k=1, \dots, K_t$ で設定 $a^{(k)}_t$ を提案する。

• 拒否処理：拒否は構造化された制御シグナルとして扱われる。システムは根拠を記録し、エラーを特定の意思決定段階に局在化し、その段階のみを再計画する。
• 終了：サイクルは、臨床医が提案（$\tilde{a}_t$）を受け入れたときに終了し、それがそのサイクルのグランドトゥルースとなる。

2.3 オンライン選好適応（文脈バンドット）

臨床医の調整スタイルのばらつきに対処するため、VDSS はオンライン文脈バンドットメカニズムを採用する：

• 選好状態：各臨床医 $d$ は選好状態 $\theta_d$ を維持する。
• フィードバックループ：サイクル終了時、システムは最終的に承認された決定 $\tilde{a}_t$ とインタラクション履歴 $h_t$ に基づいて選好シグナル $p_t$ を抽出する。
• 学習目的：バンドットは式 $\theta_d \leftarrow \text{BanditUpdate}(\theta_d; x_t, \tilde{a}_t, h_t, p_t)$ を用いて $\theta_d$ を更新する。
• 選好カテゴリ：モデルは 12 の固定カテゴリで学習を行う。これには、粒度（小さなステップ対断定的）、モード変更、臨床目標の優先順位（酸素化、肺保護、血液力学など）、およびワークフローの傾向（例：データが不十分な場合の行動の先送り）が含まれる。
• 統合：更新された $\theta_d$ は、後続のサイクルにおける推論エンジンへのコンテキストとして機能し、候補のランキングと選択を導く。

3. 主要な貢献

1. モジュール型マルチエージェントフレームワーク：VDSS は、人工呼吸器の滴定を検証可能で保守可能なモジュールに分解する契約駆動型のマルチエージェントアーキテクチャを導入し、単一のエンドツーエンドモデルを、一貫性があり監査可能な推論トレースを備えたものに置き換える。
2. 構造化された拒否とターゲットを絞った再計画：システムは、臨床医の拒否が特定の意思決定層のターゲットを絞った修正をトリガーするメカニズムを実装し、非生産的な反復を減らし、インタラクションの安定性を維持する。
3. オンライン選好適応：文脈バンドットの統合により、システムは明示的な選好引き出しを必要とすることなく、承認された決定から個々の臨床医の調整スタイルを学習し、推奨の整合性を向上させる。
4. 追跡可能な証拠：このフレームワークは、すべての推奨事項に構造化された要約、安全性チェック、根拠を付随させ、臨床レビューと監査を容易にする。

4. 実験結果

著者らは、13 の人工呼吸器モードを網羅する 1,309 の構造化レコード（7,447 の設定エントリ）のデータセットを用いた、過去の ICU 経過の再生と専門家レビューにより VDSS を評価した。

• 単一モデルとの比較：VDSS 内で展開された場合、モデルは直接の単一モデル生成を大幅に上回った。例えば、GPT-5.2 をバックボーンとして使用した場合：
  • MSE（平均二乗誤差）：単一モデルの 0.343 から 0.102（VDSS）に減少。
  • 総合的な臨床医評価：1〜5 点スケールで 2.63 から 4.11 に改善。
  • 受容性：2.75 から 4.09 に増加。
• アブレーション研究：波形証拠（NoImg）または選好コンテキスト（NoPref）を除去すると、性能が低下した（例：MSE はそれぞれ 0.145、0.128 に上昇）。これは、動的証拠と選好学習の両方が必要であることを確認した。
• インタラクション効率：100 サイクルにわたる「後悔」（サイクルあたりの拒否された提案数）の分析は、減少傾向を示し、システムが臨床医の選好を学習し、許容可能な計画に到達するために必要なインタラクションラウンド数が少なくなっていることを示した。
• 実行時間：ローカルハードウェア（RTX 5070 Ti）では、平均サイクル時間は 305.3 秒で、波形分析が主要なボトルネック（56.46 秒）であった。フレームワークは、完了失敗率を 7% 未満に維持した。

5. 意義と主張

本論文は、VDSS が高リスク環境における臨床的に展開可能な人間と AI の協働に向けた実用的な一歩であると主張する。その意義は以下の点にある：

• 安全性と監査可能性：契約駆動型のインターフェースと決定論的な安全性チェックを強制することで、生成計画が明示的な制約に縛られることを保証し、エンドツーエンドの RL に対する「ブラックボックス」の懸念に対処する。
• ワークフローの整合：HITL 設計は、ベッドサイド滴定の反復的な性質を尊重し、臨床医がループを破ることなく提案をオーバーライド、拒否、洗練することを可能にする。
• 過学習を伴わない個別化：文脈バンドットのアプローチは、特定ユーザーデータの大規模な事前学習を必要とすることなく、現実世界のフィードバック（承認された決定）を用いて個々の臨床医のスタイルに適応するため、異なる機関や実践者間でスケーラブルである。
• 解釈可能性：システムは、推奨事項、患者の状態、チームの選好の間の透明性のあるリンクを提供し、効率的な繰り返し使用と信頼を支援する。

著者らは、モデルの一点ごとの精度は必要であるが、フレームワークが検証可能で、選好を認識し、安全な協働を提供する能力こそが、集中治療における持続的な導入の決定的要因であると結論づけている。