본 논문은 의료 분야에서 대규모 언어 모델(LLM)의 한계를 극복하기 위해, 복잡한 의료 진단 과제를 처리하도록 설계된 새로운 다중 에이전트 프레임워크인 Tree-of-Reasoning (ToR)을 제안한다. ToR은 LLM의 추론 경로와 관련 임상 증거를 명확하게 기록하는 트리 구조를 도입하고, 다중 에이전트 의사결정의 일관성을 보장하는 교차 검증 메커니즘을 제시하여 복잡한 의료 시나리오에서 다중 에이전트의 임상 추론 능력을 향상시킨다. 실제 의료 데이터를 사용한 실험 결과는 제안된 프레임워크가 기존 기준 방법보다 더 나은 성능을 달성함을 보여준다.
