FastOMOP：OMOP CDMデータ上で信頼性の高いエージェント型実世界エビデンス生成を実現する基盤アーキテクチャ

要旨: Observational Health Data Sciences and Informatics（OHDSI）コラボレーションによって維持されているObservational Medical Outcomes Partnership Common Data Model（OMOP CDM）は、83か国において約10億人の患者の電子健康記録データの調和（ハーモナイゼーション）を可能にしました。それでも、これらのリポジトリから実世界エビデンス（RWE）を生成することは、臨床、疫学、技術の専門知識を要する手作業のプロセスのままです。LLMやマルチエージェントシステムは臨床タスクにおいて有望であることが示されてきましたが、RWEの自動化は根本的な課題を露呈します。すなわち、エージェント的（agentic）システムは創発的な振る舞い、連携（コーディネーション）の失敗、安全上のリスクを生み出し、既存のアプローチではそれらを統治（ガバナンス）できないという点です。ライフサイクル全体にわたって、エージェント的なRWE生成を柔軟かつ安全で監査可能なものにするためのインフラは存在しません。私たちは、このギャップを埋めるオープンソースのマルチエージェントアーキテクチャFastOMOPを提案します。これは、プラグ可能なエージェントチームから、3つのインフラ層（ガバナンス、オブザーバビリティ、オーケストレーション）を分離することでこの問題に対処します。ガバナンスはプロセスの境界（プロセス境界）で、エージェントの推論に依存しない決定的なバリデーションによって強制され、損なわれたエージェントや幻覚（ハルシネーション）を起こすエージェントが安全制御を回避できないことを保証します。表現型（フェノタイピング）、研究デザイン、統計解析のためのエージェントチームは、ツールへの制御された露出によって、これらの保証を継承します。私たちは、自然言語からSQLへのエージェントチームを用いて、FastOMOPを3つのOMOP CDMデータセットで検証しました。Syntheaによる合成データ、MIMIC-IV、そしてLancashire Teaching Hospitalsの実世界NHSデータセット（IDRIL）です。FastOMOPは、完全な敵対的（アドバーサリアル）およびアウト・オブ・スコープのブロック率を達成しつつ、信頼性スコアを0.84〜0.94に示しました。これにより、プロセス境界のガバナンスがモデル選択とは独立に安全上の保証を提供することが実証されました。これらの結果は、RWE導入における信頼性ギャップがモデルの能力の問題ではなくアーキテクチャ上の問題であることを示し、段階的なRWE自動化のための、ガバナンスされたアーキテクチャとしてFastOMOPを確立します。