Yeawon Lee Xiaoyang Wang Christopher C. Yang

초록

임상 서술의 정확한 해석은 환자 치료에 있어 핵심적이지만, 이러한 서술의 복잡성으로 인해 자동화는 여전히 도전 과제이다. 대규모 언어 모델(LLM)은 이 분야에서 희망을 보이고 있으나, 단일 모델 기반 접근 방식은 고위험 임상 과제에 요구되는 강건성(robustness)을 충족하기 어려울 수 있다. 본 연구에서는 임상 상담 팀의 구성과 과정을 모방하는 협업형 다중 에이전트 시스템(MAS)을 제안한다. 이 시스템은 SOAP 서술의 주관적(S) 및 객관적(O) 항목만을 분석하여 임상 문제를 식별하는 작업을 수행하며, 원시 데이터를 종합하여 평가를 도출하는 진단적 사고 과정을 시뮬레이션한다. 관리자 에이전트는 동적으로 할당된 전문가 에이전트 팀을 조율하며, 계층적이고 반복적인 논의를 통해 합의에 도달하도록 유도한다. 본 연구에서는 MIMIC-III 데이터셋에서 추출한 420건의 노트를 대상으로 단일 에이전트 기반 기준 모델과의 성능을 비교 평가하였다. 동적 다중 에이전트 구성은 심부전, 급성 신장 손상, 패혈증 등의 정확한 식별에서 일관된 성능 향상을 보였다. 에이전트 간 논의의 정성적 분석 결과, 이 구조는 상충되는 증거를 효과적으로 드러내고 평가하는 데 기여하지만, 때때로 집단 사고(groupthink)에 취약할 수 있음이 확인되었다. 임상 팀의 사고 과정을 모방함으로써, 본 시스템은 더 정확하고 강건하며 해석 가능한 임상 의사결정 지원 도구 개발을 위한 유망한 방향을 제시한다.