Tether、ローカル環境で動作する医療用AIモデル「QVAC MedPsy」をリリース

Tether AI Research Groupは、次世代医療AIモデル「QVAC MedPsy」を公開した。本モデルは、スマートフォンやウェアラブルデバイスなどの低計算能力のハードウェア上で直接ローカルに実行でき、クラウドサーバーに依存しないことを最大の特徴としている。また、複数の医療ベンチマークテストにおいて、より大規模なSOTAモデルを多数上回る性能を発揮している。公式データによると、17億パラメータ版のQVAC MedPsyは、7つのクローズド医療ベンチマークテストにおいて平均スコア62.62を記録し、GoogleのMedGemma-1.5-4B-itを11.42ポイント上回った。これは、モデル規模が後者の半分にも満たないにもかかわらず達成された成果である。HealthBench Hardなどの実臨床テストでは、このモデルはパラメータ規模が約16倍近いMedGemma 27Bをも上回った。さらに、40億パラメータ版は平均スコア70.54を記録し、複数の医療推論評価において、その約7倍もの規模を持つ大型モデルを多数上回った。Tether社によると、このモデルは医療推論の最適化、強化学習、および高品質な医療データによるトレーニングを通じたファインチューニングにより、「小型モデルによる高性能」を実現した。従来のクラウドAIアーキテクチャと比較して、QVAC MedPsyは推論コストも大幅に削減している。その40億パラメータ版は平均で約909トークンを生成し、同種のシステムが生成する2953トークンを大幅に下回っており、より低い遅延と計算コストを実現できる。また、本モデルにはGGUFの量子化バージョンも用意されており、モバイル端末やエッジデバイスでのローカル展開に適している。Paolo Ardoino氏は、本モデルの核心的な目標はパラメータ規模を単純に拡大することではなく、モデルの効率性を高めることにあると述べている。これにより、医療AIを病院のローカルシステムや端末デバイス上で直接実行できるようになり、機密性の高い医療データをクラウドにアップロードすることを回避できる。