MultiDx: 진단 추론을 위한 다원 지식 통합 프레임워크

진단 예측 및 임상적 추론은 의료 응용 분야에서 중요한 작업입니다. 대규모 언어 모델 (LLMs) 은 상식 추론에서 강력한 능력을 보였으나, 도메인 지식이 부족하여 진단 추론에서는 여전히 어려움을 겪습니다. 기존 접근법은 주로 내부 모델 지식이나 정적 지식 베이스에 의존하여 지식 부족과 제한된 적응력을 초래하며, 이는 진단 추론 수행 능력을 저해합니다. 또한 이러한 방법들은 최종 예측의 정확성에만 집중하여 표준 임상적 추론 경로와의 정렬을 간과합니다. 이를 위해 우리는 다원 지식 소스에서 수집된 증거를 분석하여 감별 진단을 수행하는 2 단계 진단 추론 프레임워크인 MultiDx 를 제안합니다. 구체적으로, 웹 검색, SOAP 형식의 환자 사례, 임상 사례 데이터베이스 등 다양한 출처의 지식을 활용하여 의심되는 진단과 추론 경로를 생성한 후, 매칭, 투표, 감별 진단 등을 통해 다각도의 증거를 통합하여 최종 예측을 생성합니다. 두 개의 공개 벤치마크에 대한 광범위한 실험 결과, 본 접근법의 효과성이 입증되었습니다.