Clinical World Model과의 상호작용을 통한 LLM 내 환자 역학의 에이전트화 (Agentifying)

요약

본 논문은 중환자실(ICU) 패혈증 관리를 위해 임상 월드 모델로 증강된 LLM 에이전트인 SepsisAgent를 제안합니다. SepsisAgent는 후보 치료 중재에 따른 환자 반응을 시뮬레이션하는 '제안-시뮬레이션-정제' 워크플로우를 따릅니다. 이 에이전트는 3단계의 커리큘럼 학습(지도 미세 조정, 행동 복제, 강화학습)을 거쳐 MIMIC-IV 데이터셋에서 기존 방법론 대비 우수한 성능과 안전성을 입증했습니다.

핵심 포인트

• SepsisAgent는 임상 월드 모델을 활용하여 치료 중재의 결과를 시뮬레이션하는 LLM 에이전트이다.
• 에이전트는 '제안(propose) $\rightarrow$ 시뮬레이션(simulate) $\rightarrow$ 정제(refine)' 워크플로우를 통해 임상 결정을 내린다.
• SepsisAgent는 3단계 커리큘럼 학습을 거쳐 환자 역학의 규칙성을 효과적으로 학습한다.
• MIMIC-IV 데이터셋에서 SepsisAgent는 오프-폴리시 가치 및 안전성 측면에서 기존 RL/LLM 기반 모델들을 능가했다.