흉부 X선 진단에 도구 활용한 AI 에이전트, ChestAgentBench서 최고 성능
원제 X-Ragent: Tool-Augmented Reinforcement Learning for Evidence-Grounded Chest X-Ray Reasoning
추천 66댓글 1
Key Point
의료 AI가 X선 이미지 분석 시 외부 측정 도구를 필요한 순간에만 올바르게 활용하는 방식을 개선함으로써, 의료 진단 시스템의 신뢰성과 설명 가능성을 높이는 구체적인 접근 방식을 제시합니다.
핵심 요약
- 흉부 X선(CXR) 해석은 직접 시각 인식만으로는 부족하며 외부 도구를 통한 증거 통합이 필요한데, 기존 도구 활용 의료 에이전트는 언제 보조 증거가 필요한지 학습하거나 부적절한 정량 데이터를 차단하는 명시적 메커니즘이 부족하다.
- 이를 해결하기 위해 X-Ragent라는 도구 활용 강화학습 후학습 프레임워크를 제안하며, 이는 보조 증거 수집과 타당성 검증 정량 측정 획득을 분리한다.
- 7.7K 샘플의 Rad-CoT 코퍼스를 구축해 인과관계 순서의 도구 활용 궤적과 보고서 양식 진단 추론을 결합했다.
- Qwen3-VL-8B를 에이전트 지도 미세조정(SFT)으로 초기화한 후, Group Relative Policy Optimization(GRPO)과 정확도 기반 보상으로 정책을 최적화한다.
- 정책 최적화 시 측정 일관성과 보조 도구 비용 항을 정답 궤적에만 적용해 부정확한 진단을 과정 행동으로 보상하지 않도록 했다.
- 세 가지 CXR 벤치마크에서 최고 성능을 달성했으며, 완전히 별도의 ChestAgentBench에서 8.6포인트 개선을 기록했다.
- 선택적 증거 수집과 타당성 검증을 통해 흉부 X선 진단의 신뢰성과 증거 기반 추론을 강화한다.