대형 언어 모델(LLM)의 발전은 특히 의료 분야에서 특정 영역의 추론 및 상호작용 능력을 갖춘 전문 인공지능(AI) 에이전트의 개발을 가능하게 하였습니다. 최근의 프레임워크들은 의학적 의사결정을 시뮬레이션하지만, 대부분 초기에 의사 에이전트가 전체 사례 정보를 받는 단일 턴 작업에 초점을 맞추고 있어 실제 진단 과정과는 차이가 있습니다. 실제 진단 과정은 본질적으로 불확실하며, 상호작용적이고 반복적인 특성을 가지고 있습니다. 본 논문에서는 MIMIC-III 전자 건강 기록(EHRs)에서 구조화된 데이터셋인 MIMIC-Patient를 소개합니다. 이 데이터셋은 동적이고 환자 수준의 시뮬레이션을 지원하도록 설계되었습니다. 이를 바탕으로 우리는 임상 진단을 다중 라운드, 상호작용적인 루프로 모델링하는 새로운 동적 다중 에이전트 프레임워크인 DynamiCare를 제안합니다. DynamiCare에서는 전문가 에이전트 팀이 환자 시스템에 대해 순차적으로 질의하고, 새로운 정보를 통합하며, 구성과 전략을 동적으로 조정합니다. 우리는 광범위한 실험을 통해 DynamiCare의 타당성과 효과성을 입증하고, LLM 기반 에이전트를 활용한 동적 임상 의사결정의 첫 번째 벤치마크를 설정하였습니다.