의료 AI가 스스로 증거를 찾는다, 종단 임상 추론 벤치마크

핵심 요약

• 재단 모델을 임상 에이전트로 활용하되 기존 벤치마크와 달리 미리 선정된 증거가 아닌 임상 기록과 종단 영상 데이터에서 능동적으로 증거를 찾을 수 있도록 설계했다.
• CASE라는 역할별 임상 에이전트 시리즈와 도구 사용 장치, 컴팩트한 비전-언어 정책 모델 학습 프레임워크를 제안한다.
• UK Biobank 기반 종단 멀티모달 벤치마크를 구축했으며, 4,739명의 참여자로부터 도출한 ICD-10 코딩 진단에 기반한 50,401개 임상 질문을 포함한다.
• 각 질문은 임상 맥락과 초기 및 추적 방문의 다중 시퀀스 MRI를 담은 환자별 환경과 연결되어 있고, 에이전트는 자율적으로 방문 시기, 장기, 영상 모드, 슬라이스, 전문가 도구를 선택해 검토하고 비교한다.
• 14,734개의 프론티어 모델 상호작용 궤적에서 감시 학습을 통해 증거 탐색 워크플로우를 전이 학습하고, 이후 학습자의 환경 상호작용에 대한 에이전트 강화학습을 수행한다.
• 특정 도구 순서를 정하지 않으면서 증거-결론 추론을 개선하기 위해 권한 부여된 온-폴리시 자기 증류와 루브릭 기반 LLM 피드백을 사용한다.
• CASE는 질문-답변 모방을 넘어 전이 가능한 조사 정책을 개발하여 증거 기반의 종단 추론을 강화한다.
• 동일한 평가 조건에서 Qwen3-VL-8B 기반 에이전트는 GPT-5.4 대비 답변 정확도에서 16% 이상, Claude Opus 4.8 대비 10% 이상의 상대적 성능 향상을 달성한다.