목적 (Objective): 의료 분야에서의 적합성 검사 (Conformance checking)는 환자 케어 경로가 임상 가이드라인을 준수하는지 평가하는 것을 목표로 합니다. 그러나 실제 적용은 컴퓨터 해석 가능 가이드라인 (Computer-Interpretable Guidelines, CIGs)과 같이 형식적이고 기계가 해석 가능한 가이드라인 표현 방식의 가용성에 의존하는 경우가 많으며, 이러한 CIGs는 실제 임상 현장에서 구하기가 매우 어렵습니다. 방법 (Methods): 본 연구는 사전에 정의된 CIGs 없이도 비정형 임상 텍스트 및 가이드라인 텍스트로부터 직접 의료 적합성 검사를 지원하기 위해, 대규모 언어 모델 (Large Language Models, LLMs)의 오케스트레이션 (Orchestration)에 기반한 모듈형 프레임워크를 소개합니다. 제안된 아키텍처는 여러 LLMs와 지원 구성 요소를 통합하여, 임상 퇴원 요약지로부터 환자 트레이스 (Patient traces)를 추출하고, 텍스트 형태의 임상 가이드라인으로부터 규범적 규칙 (Normative rules)을 식별하며, 이러한 규칙을 실행 가능한 스크립트로 변환하고, 이벤트 로그 내의 준수 여부를 정량화하기 위한 트레이스 적합성 지표 (Trace Conformance Indicator)를 계산합니다. 결과 (Results): 이 프레임워크는 Alessandria 병원 신경과 내 뇌졸중 케어 영역에서 구현 및 평가되었습니다. 병원 데이터로부터 수백 개의 환자 트레이스가 자동으로 추출되었으며, 참조 가이드라인에서 도출된 50개의 규칙을 기준으로 평가되었습니다. 분석 결과, 사용 가능한 트레이스의 86% 이상이 적합한 것으로 나타났습니다. 결론 (Conclusion): 본 결과는 실제 의료 적합성 분석을 위해 오케스트레이션된 LLMs를 사용하는 것이 가능하다는 것을 입증합니다. 동시에, 본 연구는 Alessandria 병원의 뇌졸중 케어 가이드라인 준수 수준이 높다는 증거를 제공합니다.