GPT 및 Claude와 같은 범용 거대 언어 모델 (LLMs)이 의료 분야에서 보여주는 인상적인 성능은 한 가지 중요한 질문을 던집니다. 도메인 특화 의료 전문 모델 (specialist models)이 도태될 것인가? 우리는 의료 인공지능 (AI)의 미래가 단일 구조의 의료 파운데이션 모델 (foundation models)을 구축하거나 인간의 전문성을 대체하는 데 있는 것이 아니라, 범용 LLM, 도메인 특화 전문 모델, 그리고 임상의 (clinicians) 간의 협업을 조율하는 데 있다고 주장합니다. 우리는 갈등 인식 증거 융합 (conflict-aware evidence fusion), 불확실성 기반 임상의 개입 트리거링 (uncertainty-based clinician intervention triggering), 그리고 적응형 임계값 보정 (adaptive threshold calibration)을 가능하게 하는 이기종 의료 멀티 에이전트 프레임워크인 HetMedAgent를 제안합니다. 세 가지 실제 임상 의사 결정 과제에 대한 실험을 통해, 범용 LLM과 도메인 특화 전문 모델 간의 시너지가 어느 한 유형의 모델만 사용하는 것보다 성능이 현저히 뛰어남을 입증하였으며, 이는 모달리티 특화 분석 (modality-specific analysis)에서 전문 모델의 대체 불가능한 가치를 검증합니다. HetMedAgent는 의료 LLM이나 파운데이션 모델을 구축하는 것에서 멀티 에이전트 협업으로의 전환을 나타내며, 일반적인 추론 능력과 도메인 특화 정밀도 사이의 균형을 달성합니다.